spark集群安装

一
1、准备三台Linux服务器，安装好jdk
2、上传spark-安装包到Linux上
解压安装包到指定位置
tar -zxvf spark-1.5.1-bin-hadoop2.4.tgz -C /home/hadoop/apps
3、配置Spark
进入到Spark安装目录
cd /home/hadoop/apps/spark-1.5.1-bin-hadoop2.4
进入conf目录并重命名并修改spark-env.sh.template文件
cd conf/
mv spark-env.sh.template spark-env.sh
vi spark-env.sh
在该配置文件中添加如下配置：
export JAVA_HOME=/home/hadoop/apps/jdk1.8.0_181
export SPARK_MASTER_IP=hadoop1
export SPARK_MASTER_PORT=7077
保存退出
重命名并修改slaves.template文件
mv slaves.template slaves
vi slaves
在该文件中添加子节点所在的位置（Worker节点）
hadoop1
hadoop2
hadoop3
保存退出
将配置好的Spark拷贝到其他节点上
将hadoop1上的spark安装包分别发送到hadoop2和3上

Spark集群配置完毕，目前是1个Master，3个Work，在hadoop1上启动Spark集群
/home/hadoop/apps/spark-1.5.1-bin-hadoop2.4/sbin/start-all.sh

启动后执行jps命令，主节点上有Master进程，其他子节点上有Work进行，登录Spark管理界面查看集群状态（主节点）：http://hadoop1:8080/

到此为止，Spark集群安装完毕，但是有一个很大的问题，那就是Master节点存在单点故障，要解决此问题，就要借助zookeeper，并且启动至少两个Master节点来实现高可靠，配置方式比较简单：
Spark集群规划：hadoop1，hadoop2是Master；hadoop3，hadoop4，hadoop5是Worker
安装配置zk集群，并启动zk集群
停止spark所有服务，修改配置文件spark-env.sh，在该配置文件中删掉SPARK_MASTER_IP并添加如下配置
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=zk1,zk2,zk3 -Dspark.deploy.zookeeper.dir=/spark"
1.在hadoop1节点上修改slaves配置文件内容指定worker节点
2.在hadoop1上执行sbin/start-all.sh脚本，然后在hadoop2上执行sbin/start-master.sh启动第二个Master
二****3.执行Spark程序
1、执行第一个spark程序
/usr/local/spark-2.1.0-bin-hadoop2.6/bin/spark-submit
–class org.apache.spark.examples.SparkPi
–master spark://hadoop1:7077
–executor-memory 1G
–total-executor-cores 2
/usr/local/spark-2.1.0-bin-hadoop2.6/lib/spark-examples-2.1.0-hadoop2.6.0.jar
100
该算法是利用蒙特·卡罗算法求PI
2、启动Spark Shell
spark-shell是Spark自带的交互式Shell程序，方便用户进行交互式编程，用户可以在该命令行下用scala编写spark程序。
1）启动spark shell
/usr/local/spark-2.1.0-bin-hadoop2.6/bin/spark-shell
–master spark://hadoop1:7077
–executor-memory 2g
–total-executor-cores 2

参数说明：
–master spark://hadoop1:7077 指定Master的地址
–executor-memory 2g 指定每个worker可用内存为2G
–total-executor-cores 2 指定整个集群使用的cup核数为2个

注意：
如果启动spark shell时没有指定master地址，但是也可以正常启动spark shell和执行spark shell中的程序，其实是启动了spark的local模式，该模式仅在本机启动一个进程，没有与集群建立联系。

Spark Shell中已经默认将SparkContext类初始化为对象sc。用户代码如果需要用到，则直接应用sc即可
2）在spark shell中编写WordCount程序
(1).首先启动hdfs
(2).向hdfs上传一个文件到hdfs://hadoop1:9000/words.txt
(3).在spark shell中用scala语言编写spark程序
sc.textFile(“hdfs://hadoop1:9000/words.txt”).flatMap(.split(" "))
.map((,1)).reduceByKey(+).saveAsTextFile(“hdfs://hadoop1:9000/out”)

(4).使用hdfs命令查看结果
hdfs dfs -ls hdfs://hadoop1:9000/out/p*

说明：
sc是SparkContext对象，该对象时提交spark程序的入口
textFile(hdfs://hadoop1:9000/words.txt)是hdfs中读取数据
flatMap(.split(" "))先map在压平
map((,1))将单词和1构成元组
reduceByKey(+)按照key进行reduce，并将value累加
saveAsTextFile(“hdfs://hadoop1:9000/out”)将结果写入到hdfs中
3、在IDEA中编写WordCount程序
1.首先启动hdfs
2.向hdfs上传一个文件到hdfs://hadoop1:9000/words.txt
3.在spark shell中用scala语言编写spark程序
sc.textFile(“hdfs://hadoop1:9000/words.txt”).flatMap(.split(" "))
.map((,1)).reduceByKey(+).saveAsTextFile(“hdfs://hadoop1:9000/out”)

4.使用hdfs命令查看结果
hdfs dfs -ls hdfs://hadoop1:9000/out/p*

说明：
sc是SparkContext对象，该对象时提交spark程序的入口
textFile(hdfs://hadoop1:9000/words.txt)是hdfs中读取数据
flatMap(.split(" "))先map在压平
map((,1))将单词和1构成元组
reduceByKey(+)按照key进行reduce，并将value累加
saveAsTextFile(“hdfs://hadoop1:9000/out”)将结果写入到hdfs中
3.3.在IDEA中编写WordCount程序
spark shell仅在测试和验证我们的程序时使用的较多，在生产环境中，通常会在IDE中编制程序，然后打成jar包，然后提交到集群，最常用的是创建一个Maven项目，利用Maven来管理jar包的依赖。

1.创建一个项目

2.选择Maven项目，然后点击next

3.填写maven的GAV，然后点击next

4.填写项目名称，然后点击finish

5.创建好maven项目后，点击Enable Auto-Import

6.配置Maven的pom.xml

7.新建一个scala class，类型为Object

8.编写spark程序

9.使用Maven打包：首先修改pom.xml中的main class

点击idea右侧的Maven Project选项

点击Lifecycle,选择clean和package，然后点击Run Maven Build

10.选择编译成功的jar包，并将该jar上传到Spark集群中的某个节点上

11.首先启动hdfs和Spark集群
启动hdfs
/usr/local/hadoop-2.6.5/sbin/start-dfs.sh
启动spark
/usr/local/spark-2.1.0-bin-hadoop2.6/sbin/start-all.sh

12.使用spark-submit命令提交Spark应用（注意参数的顺序）
/usr/local/spark-2.1.0-bin-hadoop2.6/bin/spark-submit
–class cn.itcast.spark.WordCount
–master spark://hadoop1:7077
–executor-memory 2G
–total-executor-cores 4
/root/spark-mvn-1.0-SNAPSHOT.jar
hdfs://hadoop1:9000/words.txt
hdfs://hadoop1:9000/out

查看程序执行结果
hdfs dfs -cat hdfs://hadoop1:9000/out/part-00000

//测试IDEA编写的程序
./spark-submit
–master spark://hdp01:7077
–executor-memory 512m
–total-executor-cores 4
–calss cn.lixiaolong.ScalaWC
/root/SparkDemo-1.0-SNAPSHOT.jar
hdfs://hdp01:9000/wc/a.txt
hdfs:?/hdp01:9000/wc/scalaWCOut

./spark-submit --master spark://hsp01:7077 --executor-memory 512m --total-executor-cores 4 --class cn.lixiaolong.JavaLambdaWC /root/SparkDemo-1.0-SNAPSHOT.jar hdfs://hdp01:9000/wc/a.txt hdfs://hdp01:9000/wc/lambdaout