spark安装之Standalone集群模式

集群角色介绍

Spark是基于内存计算的大数据并行计算框架，实际中运行计算任务肯定是使用集群模式，那么我们先来学习Spark自带的standalone集群模式了解一下它的架构及运行机制。

Standalone集群使用了分布式计算中的master-slave模型，

• master是集群中含有master进程的节点
• slave是集群中的worker节点含有Executor进程

●Spark架构图如下(先了解)：

http://spark.apache.org/docs/latest/cluster-overview.html

集群规划

node01:master
node02:slave/worker
node03:slave/worker

修改配置并分发

●修改Spark配置文件

cd /export/servers/spark/conf
mv spark-env.sh.template spark-env.sh
vim  spark-env.sh

#配置java环境变量
export JAVA_HOME=/export/servers/jdk1.8
#指定spark Master的IP
export SPARK_MASTER_HOST=node01
#指定spark Master的端口
export SPARK_MASTER_PORT=7077

mv slaves.template slaves
vim  slaves 

node02
node03

●配置spark环境变量 (建议不添加，避免和Hadoop的命令冲突)

将spark添加到环境变量,添加以下内容到 /etc/profile

export SPARK_HOME=/export/servers/spark
export PATH=$PATH:$SPARK_HOME/bin

注意:
hadoop/sbin 的目录和 spark/sbin 可能会有命令冲突：

start-all.sh stop-all.sh

解决方案：
1.把其中一个框架的 sbin 从环境变量中去掉；
2.改名 hadoop/sbin/start-all.sh 改为: start-all-hadoop.sh

●通过scp 命令将配置文件分发到其他机器上

scp -r /export/servers/spark node02:/export/servers
scp -r /export/servers/spark node03:/export/servers
scp /etc/profile root@node02:/etc
scp /etc/profile root@node03:/etc
source /etc/profile  刷新配置

启动和停止

●集群启动和停止

在主节点上启动spark集群

/export/servers/spark/sbin/start-all.sh 

在主节点上停止spark集群

/export/servers/spark/sbin/stop-all.sh

●单独启动和停止

在 master 安装节点上启动和停止 master：

start-master.sh
stop-master.sh

在 Master 所在节点上启动和停止worker(work指的是slaves 配置文件中的主机名)

start-slaves.sh
stop-slaves.sh

查看web界面

正常启动spark集群后，查看spark的web界面，查看相关信息。
http://node01:8080/

测试

●需求

使用集群模式运行Spark程序读取HDFS上的文件并执行WordCount

●集群模式启动spark-shell

/export/servers/spark/bin/spark-shell --master spark://node01:7077

●运行程序

sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
.saveAsTextFile("hdfs://node01:8020/wordcount/output2")

●SparkContext web UI

http://node01:4040/jobs/

●注意
集群模式下程序是在集群上运行的，不要直接读取本地文件，应该读取hdfs上的
因为程序运行在集群上，具体在哪个节点上我们运行并不知道，其他节点可能并没有那个数据文件