基于hadoop下的spark安装

目录

简介

安装准备

spark安装

配置文件配置

---

简介

        Spark主要⽤于⼤数据的并⾏计算，⽽Hadoop在企业主要⽤于⼤数据的存储（⽐如HDFS、Hive和HBase 等），以及资源调度（Yarn）。但是也有很多公司也在使⽤MR2进⾏离线计算的开发。Spark + Hadoop在当前自建平台技术中，是离线计算任务开发的主流组合方式。
数据存储：HDFS
资源调度：Yarn
数据计算：Spark或MapReduce，取决于具体的企业需求场景

        Spark提供了 Spark Core 、 Spark SQL 、 Spark Streaming 、 Spark MLlib 、 Spark GraphX 和Spark-R等技术组件，可以⼀站式地完成⼤数据领域的离线批处理、交互式查询、流式计算、机器学习、图计算和统计等常⻅的任务。

        Spark引进了弹性分布式数据集（Resilient DistributedDataset, RDD），它是分布在一组节点中的只读对象集合。这些对象集合是弹性的，如果丢失了一部分对象集合，Spark则可以根据父RDD对它们进行计算。另外在对RDD进行转换计算时，可以通过CheckPoint方法将数据持久化（比如可以持久化到HDFS），从而实现容错。

安装准备

        linux免密登录

        zookeeper安装

        hadoop安装

spark安装

        通过官网下载安装包 spark-3.5.0-bin-hadoop3.tgz,所有节点同步下载。

wget https://archive.apache.org/dist/spark/spark-3.5.0/spark-3.5.0-bin-hadoop3.tgz

然后进行解压，清空压缩包，设置软连接。

 tar -zxf spark-3.5.0-bin-hadoop3.tgz 
rm -rf spark-3.5.0-bin-hadoop3.tgz 
ln -s spark-3.5.0-bin-hadoop3/ spark 

配置文件配置

        在$SPARK_HOME/conf 下，压缩包中自带一个标准格式文件，将其更名为spark-env.sh便可。

[hadoop@vm02 conf]$ cp spark-env.sh.template spark-env.sh
[hadoop@vm02 conf]$ ll
total 44
-rw-r--r-- 1 hadoop hadoop 1105 Sep  9 10:08 fairscheduler.xml.template
-rw-r--r-- 1 hadoop hadoop 3350 Sep  9 10:08 log4j2.properties.template
-rw-r--r-- 1 hadoop hadoop 9141 Sep  9 10:08 metrics.properties.template
-rw-r--r-- 1 hadoop hadoop 1292 Sep  9 10:08 spark-defaults.conf.template
-rwxr-xr-x 1 hadoop hadoop 4694 Dec 10 23:02 spark-env.sh
-rwxr-xr-x 1 hadoop hadoop 4694 Sep  9 10:08 spark-env.sh.template
-rw-r--r-- 1 hadoop hadoop  865 Sep  9 10:08 workers.template

        本文使用简易配置作为演示，关于其他参数在配置文档中已经写明注释，可以根据实际情况进行阅读或选择性配置。本文在spark-env.sh该文档下只设置主节点hostname，并增加所配置的所有组件路径变量，所有节点同步

SPARK_MASTER_HOST=vm02
JAVA_HOME=/jdk/jdk1.8.0_144/
JRE_HOME=${JAVA_HOME}/jre
CLASSPATH=${JAVA_HOME}/lib:${JRE_HOME}/lib
ZOOKEEPER_HOME=/home/hadoop/zookeeper
#HADOOP_HOME
HADOOP_HOME=/home/hadoop/hadoop
HBASE_HOME=/home/hadoop/hbase

·        设置vm03,vm04为工作节点

[hadoop@vm02 conf]$ cp workers.template workers
[hadoop@vm02 conf]$ vim workers
vm03
vm04            

        配置spark环境变量

vim /etc/profile，将一下环境变量配置加入到文件中

export PATH=$SPARK_HOME/bin:$PATH
export SPARK_HOME=/home/hadoop/spark

重新加载环境变量

source /etc/profile

启动spark

##进入$SPARK_HOME/sbin 目录下启动spark
start-all.sh 

注意：spark的启动指令的命令的名称和hadoop的启动名称是一样的，所以不要设置$SPARK_HOME/sbin 的PATH环境变量

启动完成后可以只看到，marster在vm02上，vm03,vm04都是work节点。

在所有节点均可以使用以下命令进入spark的交互端口，

 spark-shell --master local

 

通过进程信息可以看到spark的webui的端口（默认：主节点是8081，work节点是8080），和客户端端口（默认：7077） 

[hadoop@vm06 sbin]$ ps -ef |grep spark 
hadoop     7124      1  0 21:16 pts/0    00:00:06 /jdk//bin/java -cp /home/hadoop/spark/conf/:/home/hadoop/spark/jars/* -Xmx1g org.apache.spark.deploy.master.Master --host vm06 --port 7077 --webui-port 8080
hadoop     7466   5946  0 21:44 pts/0    00:00:00 grep --color=auto spark
[hadoop@vm06 sbin]$ 

 

只有当进入到交互命令行时，才可以访问对应节点的webui页面，默认端口是8080，当端口被占用时会逐级递增。本文设置了4040端口号

使用ctrl+c便可以退出交互行

        spark的安装也是相当方便。读者有什么疑问，可以私信咨询。