windows下虚拟机配置spark集群最强攻略！

全文共4356个字，58张图，预计阅读时间20分钟。

虚拟机安装

首先需要在windows上安装vmware和ubuntu虚拟机，这里就不多说了。

vmware下载地址：直接百度搜索，使用百度提供的链接下载，这里附上一个破解码

5A02H-AU243-TZJ49-GTC7K-3C61N

ubuntu下载地址：http://cdimage.ubuntu.com/daily-live/current/

一路安装下去，我一共装了4台虚拟机，三台用于构建集群，一台用于爬虫，如图所示：

虚拟机网络配置

这里，我们以slave2为例来说明一下虚拟机的网络配置：

首先，将虚拟机的网络设置设置为自定义，选择VMnet8：

随后，我们点击VMWARE上的编辑-虚拟网络编辑-右下角的更改设置，应该有三个连接方式，这里我们把其他两个移除，只剩下VMnet8：

随后，点击NAT设置，我们可以发现网关是192.168.75.2

接下来，我们要设置虚拟机的ip：点击右上角的edit connectinos，设置Ipv4，如下图所示：

随后修改两个文件：

修改interfaces文件

命令：sudo vim /etc/network/interfaces ( 如果没有vim命令，使用sudo apt-get install vim进行安装）:

修改resolv.conf文件 

命令：sudo vim /etc/resolv.conf:

接下来重启我们的网络就可以啦：

命令：sudo /etc/init.d/networking restart（如果启动失败，重启虚拟机即可)

查看我们的ip，使用ifconfig命令，如果没有安装（使用sudo apt install net-tools 进行安装): 

使用xshelll连接本地虚拟机（非必须）

下载xshell，百度搜索xshell，使用百度提供的下载地址即可。

要想使用xshell的ssh方式访问虚拟机，首先要在虚拟机上安装ssh服务

使用命令：sudo apt-get install openssh-server

随后启动ssh服务：sudo /etc/init.d ssh start

再次点击VMWARE上的编辑-虚拟网络编辑-右下角的更改设置，设置端口转发：

随后打开xshell，新建连接：

设置用户名和密码：

随后点击连接即可，发现连接成功！

修改虚拟机主机名以及hosts文件

这里以修改主节点主机名称为例，其他节点类似。

使用命令 ： sudo vim /etc/hostname 查看当前主机名，并修改为master：

重启之后生效：

两个从节点的主机依次修改为slave1，slave2

接下来，将主节点和两个从节点的ip和主机名添加到hosts文件中，使用命令

sudo vim /etc/hosts

修改的结果为：

两个从节点的hosts文件修改为同样的结果，此时发现各虚拟机之间可以ping通。

配置SSH免验证登录

接下来，需要让主节点可以免验证的登录到从节点，从而在进行任务调度时可以畅通无阻。

首先要在各个节点上生成公钥和私钥文件，这里以slave1节点进行讲解，其他节点操作方式完全相同。

我们首先要开启ssh服务，使用命令：sudo /etc/init.d/ssh start

随后使用如下命令生成公钥和私钥文件：

ssh-keygen -t rsa -P ""

在所有节点上生成秘钥文件之后，我们需要将从节点的公钥传输给主节点，使用命令：

cd ~/.ssh

scp id_rsa.pub sxw@master:~/.ssh/id_rsa.pub.slave1

随后，在主节点下，将所有的公钥信息拷贝到authorized_keys文件下：
使用命令：

cd ~/.ssh

cat id_rsa.pub >> authorized_keys

cat id_rsa.pub.slave1 >> authorized_keys

cat id_rsa.pub.slave2 >> authorized_keys

接下来将authorized_keys文件复制到slave1和slave2节点目录下：

scp authorized_keys sxw@slave1:~/.ssh/authorized_keys

scp authorized_keys sxw@slave2:~/.ssh/authorized_keys

接下来我们验证是否可以免密码登录：使用命令

ssh slave1

登陆成功，我们可以使用exit命令退出登录

安装Java环境

这里我们可以直接使用linux的命令下载jdk，当然也可以在本地下载之后传输到虚拟机中，这里我采用的是后者，因为我感觉在主机上下载会比较快一些。到java官网中下载最新的jdk文件即可。

使用由于刚才我们配置了端口转发，因此我们可以使用winscp进行文件传输：

传输文件到/home/sxw/Documents路径下，直接将文件进行拖拽即可：

随后，在该路径下，使用如下命令进行解压：

tar -zxvf  文件名

重命名jdk文件夹为jdk

随后修改配置文件：

sudo vim /etc/profile

添加如下三行：
export JAVA_HOME=/home/sxw/Documents/jdk

export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$CLASSPATH

export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH

使用source命令使修改生效，同时查看是否安装成功

安装Scala环境

可以使用命令下载scala，不过我们仍然选择在本地下载scala：
下载地址：http://www.scala-lang.org/download/2.11.7.html

通过winscp传入各虚拟机里，并使用如下命令进行解压:

tar -zxvf 文件名

重命名文件：

修改配置文件，增加以下两行，并用source命令使修改生效：

检查是否安装成功：

可以看到scala已经安装成功了！

安装Hadoop配置环境

我们首先在主节点上配置好hadoop的文件，随后使用scp命令传输到从节点上即可。

同样，我们在hadoop官网下载hadoop文件，通过winscp传入主节点，使用tar命令进行解压，并修改文件夹名为hadoop，这些这里暂且略过。

修改环境变量（所有节点都需要修改）并使用source命令使其生效：

接下来修改hadoop的配置文件：

（1）$HADOOP_HOME/etc/hadoop/hadoop-env.sh

修改JAVA_HOME 如下：

export JAVA_HOME=/home/sxw/Documents/jdk

（2）$HADOOP_HOME/etc/hadoop/slaves

修改salves里添加两个从节点的名称

slave1

slave2

（3）$HADOOP_HOME/etc/hadoop/core-site.xml

（4）$HADOOP_HOME/etc/hadoop/hdfs-site.xml

（5）$HADOOP_HOME/etc/hadoop/mapred-site.xml

首先使用如下命令生成mapred-site.xml文件：
cp mapred-site.xml.template mapred-site.xml

随后进行修改：

（6）$HADOOP_HOME/etc/hadoop/yarn-site.xml

至此，hadoop的配置文件就修改完了，我们用scp命令将修改好的hadoop文件传入到子节点即可

安装spark环境

我们首先在主节点上配置好spark的文件，随后使用scp命令传输到从节点上即可。

同样在spark官网下载最新的spark文件，并使用winscp传入虚拟机，使用tar命令进行解压，并重命名文件夹为spark。

添加spark到环境变量并使其生效：

接下来修改spark的配置文件：

（1）$SPARK_HOME/conf/spark-env.sh

首先使用如下命令生成spark-env.sh文件：

cpspark-env.sh.template spark-env.sh

随后进行修改：

（2）$SPARK_HOME/conf/slaves

首先使用如下命令生成slaves文件：

cpslaves.template slaves

随后进行修改：

至此，spark的配置文件就修改完了，我们用scp命令将修改好的spark文件传入到子节点即可，不要忘记修改子节点的环境变量

集群启动和关闭

首先我们编写一个启动脚本：

可以看到，hadoop的启动需要两个命令，分别启动dfs和yarn，传统的start-all.sh已经被弃用。而spark的启动只需要一个命令。

启动的结果如下图所示：

随后我们再编写一个关闭集群的脚本：

Hadoop测试

我们在/home/sxw/Documents下建立一个wordcount.txt文件

文件内容如下图：

到hadoop的bin路径下执行如下三条命令：

hadoop fs -mkdir-p /Hadoop/Input
hadoop fs-put wordcount.txt /Hadoop/Input
hadoop jar /home/sxw/Documents/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /Hadoop/Input /Hadoop/Output

可以看到我们的hadoop再进行运算了：

使用如下命令查看运算结果，发现我们的期望的结果正确输出：

hadoop fs -cat/Hadoop/Output/*

hadoop配置成功！

spark测试

我们直接利用spark-shell 进行测试，编写几条简单额scala语句：

到spark的bin路径下执行./spark-shell命令进入scala的交互模式，并输入如下几条scala语句：

valfile=sc.textFile("hdfs://master:9000/Hadoop/Input/wordcount.txt")
val rdd=file.flatMap(line => line.split("")).map(word => (word,1)).reduceByKey(_+_)
rdd.collect()
rdd.foreach(println)

可以看到，我们的spark集群成功搭建！

原文链接：https://mp.weixin.qq.com/s?__biz=MzI1MzY0MzE4Mg==&mid=2247483714&idx=1&sn=03e2d332cd40aa266c1c50bc78e0c46a&chksm=e9d01183dea79895cfbabb281156f5f9e4acb7351632cc61dcbf0539b59d37a7afbee5f58827&scene=21#wechat_redirect

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：

www.leadai.org

请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用

基于TensorFlow的神经网络解决用户流失概览问题

最全常见算法工程师面试题目整理（一）

最全常见算法工程师面试题目整理（二）

TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络

装饰器 | Python高级编程

今天不如来复习下Python基础