3台机器配置spark-2.1.0集群

一. 环境介绍

三台主机，主机名和ip分别为：

ubuntu1  10.3.19.171

ubuntu2  10.3.19.172

ubuntu3  10.3.19.173

三台主机的登录用户名是bigdata，home目录是/home/bigdata

现在三台主机上部署spark集群。ubuntu1作为master, ubuntu1 ubuntu2 ubuntu3均作为worker。

二.在一台主机上部署spark

bigdata@ubuntu1:~/download$ tar -zxvf spark-2.1.0-bin-hadoop2.7.tgz

bigdata@ubuntu1:~/download$ mv spark-2.1.0-bin-hadoop2.7 ../run/

bigdata@ubuntu1:~/download$ cd ../run/

bigdata@ubuntu1:~/run$ ln -s spark-2.1.0-bin-hadoop2.7 spark

创建spark日志目录：

bigdata@ubuntu1:~/run/spark$ mkdir logs

三. 在一台主机上配置spark

a. 创建脚本文件spark-env.sh，并增加如下配置

bigdata@ubuntu1:~/run/spark/conf$ cp spark-env.sh.template spark-env.sh

bigdata@ubuntu1:~/run/spark/conf$ cat spark-env.sh
......
export JAVA_HOME=/home/bigdata/usr/jdk1.8.0_25
export HADOOP_HOME=/home/bigdata/run/hadoop
export SPARK_MASTER_IP=ubuntu1
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_MERMORY=1G
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SPARK_DAEMON_JAVA_OPTS="-verbose:gc -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/home/bigdata/run/spark/logs -XX:+UseParallelGC -XX:+UseParallelOldGC -XX:+DisableExplicitGC -Xms128m -XX:PermSize=128m -XX:MaxPermSize=256m"
#export SPARK_DAEMON_JAVA_OPTS="-verbose:gc -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/home/bigdata/run/spark/logs -XX:+UseParallelGC -XX:+UseParallelOldGC -XX:+DisableExplicitGC -Xms1024m -Xmx2048m -XX:PermSize=128m -XX:MaxPermSize=256m"
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=7777 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://ubuntu1:9000/sparkHistoryLogs -Dspark.yarn.historyServer.address=ubuntu1:7788 -Dspark.history.fs.updateInterval=10"

b. 创建配置文件spark-defaults.conf，并增加如下配置

bigdata@ubuntu1:~/run/spark/conf$ cp spark-defaults.conf.template spark-defaults.conf

bigdata@ubuntu1:~/run/spark/conf$ cat spark-defaults.conf
......
spark.master                     spark://ubuntu1:7077
spark.eventLog.enabled           true
spark.eventLog.dir               hdfs://ubuntu1:9000/sparkHistoryLogs
spark.eventLog.compress          true
spark.history.updateInterval     5
spark.history.ui.port            7777
spark.history.fs.logDirectory    hdfs://ubuntu1:9000/sparkHistoryLogs

c. 创建slaves，并增加如下配置

bigdata@ubuntu1:~/run/spark/conf$ cp slaves.template slaves

bigdata@ubuntu3:~/run/spark/conf$ cat slaves
......
# A Spark Worker will be started on each of the machines listed below.
ubuntu1
ubuntu2
ubuntu3

至此，在一台主机上部署spark已完成。

四. 部署spark到主机ubuntu2 ubuntu3

为了部署方便，直接拷贝ubuntu1上的spark目录到ubuntu1 ubuntu2

bigdata@ubuntu1:~/run$ tar -zcvf spark-2.1.0-bin-hadoop2.7.tar.gz spark-2.1.0-bin-hadoop2.7/

bigdata@ubuntu1:~/run$ scp spark-2.1.0-bin-hadoop2.7.tar.gz ubuntu2:/home/bigdata/run

bigdata@ubuntu1:~/run$ scp spark-2.1.0-bin-hadoop2.7.tar.gz ubuntu3:/home/bigdata/run

至ubuntu2 ubuntu3解压

ubuntu2: 

bigdata@ubuntu2:~/run$ tar -zxvf spark-2.1.0-bin-hadoop2.7.tar.gz

bigdata@ubuntu2:~/run$ ln -s spark-2.1.0-bin-hadoop2.7 spark

ubuntu3: 

bigdata@ubuntu3:~/run$ tar -zxvf spark-2.1.0-bin-hadoop2.7.tar.gz

bigdata@ubuntu3:~/run$ ln -s spark-2.1.0-bin-hadoop2.7 spark

至此，spark已部署到三机主机上。

五. 运行spark

bigdata@ubuntu1:~/run/spark/sbin$ ./start-all.sh 

在ubuntu1上查看spark进程，包含worker和master

bigdata@ubuntu1:~/run/spark/sbin$ jps -l
1520 org.apache.spark.deploy.worker.Worker
1433 org.apache.spark.deploy.master.Master
1627 sun.tools.jps.Jps

在ubuntu2 ubuntu3上查看spark进程，只有worker

bigdata@ubuntu2:~/run$ jps -l
1057 sun.tools.jps.Jps
961 org.apache.spark.deploy.worker.Worker

查看页面：

访问：http://10.3.19.171:8080/

查看job历史记录, 先启动hadoop:

bigdata@ubuntu1:~/run/hadoop/sbin$ ./start-all.sh

bigdata@ubuntu1:~/run/spark/sbin$ ./start-history-server.sh 

访问：http://10.3.19.171:7777/

六. 运行自己的JavaWordCount程序

获取程序源码通过：

使用mvn package命令编译得到jar包：mysparkdemo-0.0.1.jar

将mysparkdemo-0.0.1.jar包上传到目录 /home/bigdata/run/spark

至此执行程序已准备好。

创建一文本文件，程序会统计此文本中各单词出现的次数。

bigdata@ubuntu1:~/run/spark$ touch hello.txt

bigdata@ubuntu1:~/run/spark$ cat LICENSE > hello.txt

将hello.txt文件拷贝到hdfs上

bigdata@ubuntu1:~/run/spark$ hdfs dfs -mkdir -p /user/bigdata

bigdata@ubuntu1:~/run/spark$ hdfs dfs -copyFromLocal hello.txt /user/bigdata/hello.txt

bigdata@ubuntu1:~/run/spark$ hdfs dfs -cat /user/bigdata/hello.txt

执各程序命令：

bigdata@ubuntu1:~/run/spark/bin$ ./spark-submit --class com.ai.apark.demo.JavaWordCount --master spark://ubuntu1:7077 ../mysparkdemo-0.0.1.jar hello.txt