spark-1.2.0 集群环境搭建
1、下载scala2.11.4版本 下载地址为: http://www.scala-lang.org/download/2.11.4.html ,也可以使用wget http://downloads.typesafe.com/scala/2.11.4/scala-2.11.4.tgz?_ga=1.248348352.61371242.1418807768
2、解压和安装: 解压 :[spark@S1PA11 scala]$ tar -xvf scala-2.11.4.tgz ,安装:[spark@S1PA11 scala]$ mv scala-2.11.4 ~/opt/
3、编辑 ~/.bash_profile文件 增加SCALA_HOME环境变量配置,
export JAVA_HOME=/home/spark/opt/java/jdk1.6.0_37
export CLASSPATH=.:$JAVA_HOME/jre/lib:$JAVA_HOME/lib:$JAVA_HOME/lib/tools.jar
export SCALA_HOME=/home/spark/opt/scala-2.11.4
export HADOOP_HOME=/home/spark/opt/hadoop-2.6.0
PATH=$PATH:$HOME/bin:$JAVA_HOME/bin:${SCALA_HOME}/bin
立即生效 bash_profile ,[spark@S1PA11 scala]$ source ~/.bash_profile
4、验证scala:[spark@S1PA11 scala]$ scala -versionScala code runner version 2.11.4 -- Copyright 2002-2013, LAMP/EPFL
[spark@S1PA11 scala]$ scala
Welcome to Scala version 2.11.4 (Java HotSpot(TM) 64-Bit Server VM, Java 1.6.0_37).
Type in expressions to have them evaluated.
Type :help for more information.
scala> var str = "SB is"+"SB"
str: String = SB isSB
scala>
5、copy到slave机器 ,[spark@S1PA11 scala]$ scp ~/.bash_profile spark@10.126.45.56:~/.bash_profile
6、下载spark,wget http://d3kbcqa49mib13.cloudfront.net/spark-1.2.0-bin-hadoop2.4.tgz
7、在master主机配置spark :
将下载的spark-1.2.0-bin-hadoop2.4.tgz 解压到 ~/opt/目前了即 ~/opt/spark-1.2.0-bin-hadoop2.4,配置环境变量SPARK_HOME
# set java env
export JAVA_HOME=/home/spark/opt/java/jdk1.6.0_37
export CLASSPATH=.:$JAVA_HOME/jre/lib:$JAVA_HOME/lib:$JAVA_HOME/lib/tools.jar
export SCALA_HOME=/home/spark/opt/scala-2.11.4
export HADOOP_HOME=/home/spark/opt/hadoop-2.6.0
export SPARK_HOME=/home/spark/opt/spark-1.2.0-bin-hadoop2.4
PATH=$PATH:$HOME/bin:$JAVA_HOME/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:${HADOOP_HOME}/bin
配置完成后使用source命令使配置生效
进入 spark conf目录:
[spark@S1PA11 opt]$ cd spark-1.2.0-bin-hadoop2.4/
[spark@S1PA11 spark-1.2.0-bin-hadoop2.4]$ ls
bin conf data ec2 examples lib LICENSE logs NOTICE python README.md RELEASE sbin work
[spark@S1PA11 spark-1.2.0-bin-hadoop2.4]$ cd conf/
[spark@S1PA11 conf]$ ls
fairscheduler.xml.template metrics.properties.template slaves.template spark-env.sh
log4j.properties.template slaves spark-defaults.conf.template spark-env.sh.template
first :修改slaves文件,增加两个slave节点S1PA11、S1PA222
[spark@S1PA11 conf]$ vi slaves
S1PA11
S1PA222
second:配置spark-env.sh
首先把spark-env.sh.template copy spark-env.sh
vi spark-env.sh文件 在最下面增加:
export JAVA_HOME=/home/spark/opt/java/jdk1.6.0_37
export SCALA_HOME=/home/spark/opt/scala-2.11.4
export SPARK_MASTER_IP=10.58.44.47
export SPARK_WORKER_MEMORY=2g
export HADOOP_CONF_DIR=/home/spark/opt/hadoop-2.6.0/etc/hadoop
HADOOP_CONF_DIR是Hadoop配置文件目录,SPARK_MASTER_IP主机IP地址,SPARK_WORKER_MEMORY是worker使用的最大内存
完成配置后,将spark目录copy slave机器 scp -r ~/opt/spark-1.2.0-bin-hadoop2.4 spark@10.126.45.56:~/opt/
8、启动spark分布式集群并查看信息
[spark@S1PA11 sbin]$ ./start-all.sh
查看:
[spark@S1PA11 sbin]$ jps
31233 ResourceManager
27201 Jps
30498 NameNode
30733 SecondaryNameNode
5648 Worker
15888 JobHistoryServer
如果HDFS没有启动 ,请启动起来,参考hadoop集群搭建 点击打开链接
查看slave节点:
[spark@S1PA222 scala]$ jps
20352 Bootstrap
30737 NodeManager
7219 Jps
30482 DataNode
29500 Bootstrap
757 Worker
9、页面查看集群状况:
进去spark集群的web管理页面,访问
因为我们 看到两个worker节点,因为master和slave都是worker节点
我们进入spark的bin目录,启动spark-shell控制台
现在我们已经顺利进入spark-shell的世界了 ,O(∩_∩)O
访问http://master:4040/,我们可以看到spark WEBUI页面
到目前为止,我们的spark集群环境搭建成功了
10、运行spark-shell 测试
之前我们在/tmp目录上传了一个README.txt文件,我们现在就用spark读取hdfs中README.txt文件
取得hdfs文件:
count下READM.txt文件中文字总数,
我们过滤README.txt
包括The单词有多个
我们算出来 一共有4个The单词
我们通过wc也算出来有4个The单词
我们再实现下Hadoop wordcount功能:
首先对读取的readmeFile执行以下命令:
其次使用collect命令提交并执行job:
我们看下WEBUI界面执行效果:
OK,完成所有任务,(*^__^*) spark-1.2.0 集群环境搭建