分布式安装配置spark-3.2.3

Spark是一个基于内存的大数据计算框架，可以与Hadoop集成，提供更快速的数据处理能力。本文将介绍如何在三个Ubuntu系统上搭建一个Spark集群。

主要步骤包括：

• 准备工作：下载安装包，设置环境变量，解压安装包。
• 安装配置Spark：编辑配置文件，指定Master节点，Worker节点，CPU核数，内存大小等。
• 启动Spark集群：启动服务，查看状态，使用客户端连接。

一、准备工作

• 首先确保已经安装配置好Hadoop和Java。本文假设已经搭建一个三节点的Hadoop集群，它们的IP地址和主机名分别如下：

IP地址	主机名
192.168.1.100	hadoop100
192.168.1.200	hadoop200
192.168.1.201	hadoop201

• 然后下载spark-3.2.3-bin-hadoop3.2的安装包，可以从官网下载。
• 接着在hadoop100上将下载的安装包放到桌面，然后解压到/usr/local/spark目录下，例如：

tar -zxvf spark-3.2.3-bin-hadoop3.2.tgz -C /usr/local
mv /usr/local/spark-3.2.3-bin-hadoop3.2 /usr/local/spark

• 最后在hadoop100上设置SPARK_HOME环境变量，可以在/etc/profile文件中添加如下内容：

export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$SPARK_HOME/bin

然后执行source /etc/profile命令使配置生效。

二、安装配置Spark

• 编辑$SPARK_HOME/conf/spark-env.sh文件，取消以下几行的注释，并修改其中的值：

包含 Spark History Server配置，查看任务执行历史信息，通过spark-submit或者Intellij IDEA提交任务，应用程序运行期间都可以通过管理页面查看具体运行细节，但是运行结束Web界面也失效。

export JAVA_HOME=/usr/local/java/jdk1.8.0_341 # 配置java环境变量 根据实际的JAVA_HOME路径修改
export SPARK_MASTER_HOST=hadoop100 # 设置Spark Master节点的主机名
export SPARK_MASTER_PORT=7077 # 指定主节点端口
export SPARK_WORKER_CORES=2 # 设置每个Worker节点可用的CPU核数
export SPARK_WORKER_MEMORY=4G # 指定内存大小

export SPARK_MASTER_WEBUI_PORT=8080#指定web访问端口
export SPARK_CONF_DIR=/usr/local/spark/conf

export HADOOP_CONF_DIR=/usr/local/hadoop/hadoop-3.2.4/etc/hadoop # 添加Hadoop的配置文件路径
export HADOOP_HOME=/usr/local/hadoop/hadoop-3.2.4/etc/hadoop
export YARN_CONF_DIR=/usr/local/hadoop/hadoop-3.2.4/etc/hadoop
export SPARK_HOME=/usr/local/spark
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/hadoop-3.2.4/bin/hadoop classpath)

export  SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://hadoop100:9000/log/spark/spark_directory"

• 编辑$SPARK_HOME/conf/workers文件，添加以下内容：

# A Spark Worker will be started on each of the machines listed below.
hadoop100
hadoop200
hadoop201

这里指定了三个节点都作为Spark的Worker节点，负责执行任务。

• 将配置好的Spark安装包分发到其他两个节点上，例如：

scp -r /usr/local/spark c914@hadoop200:/usr/local/
scp -r /usr/local/spark c914@hadoop200:/usr/local/

这里假设已经在三个节点上配置了免密登录，否则需要输入密码。

三、启动Spark集群

• 在hadoop上执行如下命令启动Spark集群：

start-all.sh

• 在任意一个节点上执行如下命令查看Spark集群的状态：

jps

如果输出中显示了Master和Worker进程，说明该节点已经加入到集群中。

• 在任意一个节点上执行如下命令使用命令行客户端连接到Spark集群：

spark-shell --master spark://master:7077

如果连接成功，会进入一个交互式的shell环境，可以输入一些命令来操作Spark，例如：

scala> val rdd = sc.parallelize(1 to 10)
rdd: org.apache.spark.rdd.RDD[Int] = ParallelCollectionRDD[0] at parallelize at <console>:24

scala> val sum = rdd.reduce(_ + _)
sum: Int = 55

scala> :quit
Quitting...

 四、管理界面

可以到浏览器中查看管理网页：

http://192.168.1.100:8080/

IP地址:8080/ 

历史任务网页：

http://192.168.1.100:18080/

IP地址:18080/