Spark2.1.0集群部署

1、从官网下载2.1.0版本的Spark，spark-2.1.0-bin-hadoop2.7.tgz；

2、拷贝都集群中各个节点，解压到特定目录下；

3、启master服务:

# ./sbin/start-master.sh

 master服务启来之后可以看到master的URL地址(或者在日志中查看)

spark://Spark01:7077

4、启所有的Worker，并把worker链接都master上

# ./sbin/start-slave.sh 

5、访问master的web UI，在页面中可以看到集群中的woker及资源情况

http://172.20.13.36:8080/

访问具体worker的UI

http://172.20.13.43:8081/

6、启动spark-shell

# ./bin/spark-shell --master spark://Spark01:7077 --executor-memory 10000m --executor-cores 4

参数说明：

--master spark://Spark01:7077 指定Master的地址

--executor-memory10000m 指定每个worker可用内存为10G

--executor-cores 4  指定每个worker使用的cup核数为4个

注：启动shell的时候未制定资源，shell会占用全部的资源，之后在提交Job时没有资源可以执行。

7、SparkPi测试

# ./bin/run-example SparkPi spark://Spark01:7077

# ./bin/spark-submit --class org.apache.spark.examples.SparkPi --master spark://Spark01:7077 /usr/local/spark-2.1.0-bin-hadoop2.7/examples/jars/spark-examples_2.11-2.1.0.jar

提交用户Job并指定使用的资源：

./bin/spark-submit  --master spark://Spark01:7077 --executor-memory 5000m --executor-cores 2 --class com.architect.spark.WordCount /root/spark-wordcount-1.0-SNAPSHOT.jar hdfs://Spark01:9000/wordcount/input hdfs://Spark01:9000/wordcount/out000

输入文件目录参数：hdfs://Spark01:9000/wordcount/input

输出目录参数：hdfs://Spark01:9000/wordcount/out000

8、Spark-SQL：Spark整合Hive

A）安装Hive

B）拷贝Hive的配置文件

拷贝$HIVE_HOME/conf/hive-site.xml文件到$SPARK_HOME/conf下

C）新建文件文件：people.txt

1       user01  123456

2       user02  123456

3       user03  123456

4       user04  123456

D）Spark-shell中测试Hive，新建一个内部表，导入本地数据，查询数据

//实例化一个HiveContext

val sqlContext = new org.apache.spark.sql.hive.HiveContext(sc) 

//新建一个内部表 

sqlContext.sql("CREATE TABLE IF NOT EXISTS people (id bigint, username string, password string) row format delimited fields terminated by '\t'") 

//导入本地数据

sqlContext.sql("LOAD DATA LOCAL INPATH '/tmp/people.txt' INTO TABLE people") 

//查询数据

sqlContext.sql("FROM people SELECT id,username").collect().foreach(println) 

E）Spark-shell中查看结果

[1,user01]

[2,user02]

[3,user03]

[4,user04]