spark-1.6.0-cdh5.15.1环境搭建:Local模式和StandAlone

下载spark

从http://archive.cloudera.com/cdh5/cdh/5/下载spark-1.6.0-cdh5.15.1，因为我之前使用的hadoop版本都是cdh5.15.1，所以版本要保持一致。
下载完成之后解压。

修改配置

在conf下面修改spark-env.sh，添加内容：
export SPARK_DIST_CLASSPATH=$(/home/iie4bu/app/hadoop-2.6.0-cdh5.15.1/bin/hadoop classpath)

配置环境变量

修改~/.bashrc文件：

# JAVA_HOME
JAVA_HOME=/home/iie4bu/app/jdk1.8.0_101
# HADOOP_HOME
HADOOP_HOME=/home/iie4bu/app/hadoop-2.6.0-cdh5.15.1
# HIVE_HOME
HIVE_HOME=/home/iie4bu/app/hive-1.1.0-cdh5.15.1
# SPARK_HOME
SPARK_HOME=/home/iie4bu/app/spark-1.6.0-cdh5.15.1
PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HIVE_HOME/bin:$SPARK_HOME/bin:$PATH

添加依赖

目前spark中缺少一些lib包，因此先获取jar包，pom.xml内容如下：

        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-databind</artifactId>
            <version>2.4.4</version>
        </dependency>

        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-core</artifactId>
            <version>2.4.4</version>
        </dependency>

        <dependency>
            <groupId>com.fasterxml.jackson.core</groupId>
            <artifactId>jackson-annotations</artifactId>
            <version>2.4.4</version>
        </dependency>
        <dependency>
            <groupId>com.twitter</groupId>
            <artifactId>parquet-hadoop</artifactId>
            <version>1.4.3</version>
        </dependency>

一般情况下把这4个jar包，导入到$HADOOP_HOME/share/hadoop/common路径下。

测试运行Local模式

• master指定运行模式，local表示本地模式 [2]表示可以两个线程并行运行。

浏览器中输入ip:4040

表示配置成功。

测试运行Standalone模式

1个Master+多个Worker

修改配置文件

修改spark-1.6.0-cdh5.15.1/conf/spark-env.sh内容如下：

SPARK_MASTER_IP=manager
SPARK_WORKER_CORES=2
SPARK_WORKER_MEMORY=2g
SPARK_WORKER_INSTANCES=1

修改spark-1.6.0-cdh5.15.1/conf/slaves,内容如下：

manager

修改spark-1.6.0-cdh5.15.1/sbin/spark-config.sh，添加JAVA环境变量：

export JAVA_HOME=/home/iie4bu/app/jdk1.8.0_101

在sbin下运行命令：./start-all.sh


在浏览器中访问：ip:8080

可以看到worker已经注册到manager:7077，
Alive worker：1 因为我们配置了SPARK_WORKER_INSTANCES=1
当我们将SPARK_WORKER_INSTANCES的值修改为2时，重启一下spark，然后查看ip:8080，如下：

就会看到有两个实例了。使用jps查看：

看到有两个worker。

测试使用

使用命令：./bin/spark-shell --master spark://manager:7077

可以看到已经启动成功了。
在浏览器中查看：

可以看到，当前的这个spark-shell 用了4个core，用了1024M的内存。
当我们再启动一个终端时，会发生什么情况？

可以看到新来的Application没有占用Cores，而且状态是WAITING，因此只能等到上一个Application运行结束时，才能开始运行。
当然可以通过命令指定占用多少cores和memory：
--total-executor-cores NUM,--executor-cores NUM