Spark 1.6.1分布式集群环境搭建

软件准备

scala-2.11.8.tgz
spark-1.6.1-bin-hadoop2.6.tgz

Scala 安装

master 机器

(1)下载 scala-2.11.8.tgz，解压到 /opt 目录下，即： /opt/scala-2.11.8。
(2)修改 scala-2.11.8 目录所属用户和用户组。

   sudo chown -R hadoop:hadoop scala-2.11.8

(3)修改环境变量文件 .bashrc , 添加以下内容。

   # Scala Env
   export SCALA_HOME=/opt/scala-2.11.8
   export PATH=$PATH:$SCALA_HOME/bin

运行 source .bashrc 使环境变量生效。

(4) 验证 Scala 安装

Slave机器

slave01 和 slave02 参照 master 机器安装步骤进行安装。

Spark 安装

master 机器

(1) 下载 spark-1.6.1-bin-hadoop2.6.tgz，解压到 /opt 目录下。
(2) 修改 spark-1.6.1-bin-hadoop2.6 目录所属用户和用户组。

   sudo chown -R hadoop:hadoop spark-1.6.1-bin-hadoop2.6

(3) 修改环境变量文件 .bashrc , 添加以下内容。

   # Spark Env
   export SPARK_HOME=/opt/spark-1.6.1-bin-hadoop2.6
   export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin

运行 source .bashrc 使环境变量生效。

(4) Spark 配置

进入 Spark 安装目录下的 conf 目录，拷贝 spark-env.sh.template 到 spark-env.sh。

   cp spark-env.sh.template spark-env.sh

编辑 spark-env.sh，在其中添加以下配置信息：

   export SCALA_HOME=/opt/scala-2.11.8
   export JAVA_HOME=/opt/java/jdk1.7.0_80
   export SPARK_MASTER_IP=192.168.109.137
   export SPARK_WORKER_MEMORY=1g
   export HADOOP_CONF_DIR=/opt/hadoop-2.6.4/etc/hadoop

JAVA_HOME 指定 Java 安装目录；
SCALA_HOME 指定 Scala 安装目录；
SPARK_MASTER_IP 指定 Spark 集群 Master 节点的 IP 地址；
SPARK_WORKER_MEMORY 指定的是 Worker 节点能够分配给 Executors 的最大内存大小；
HADOOP_CONF_DIR 指定 Hadoop 集群配置文件目录。

将 slaves.template 拷贝到 slaves，编辑其内容为：

   master
   slave01
   slave02

即 master 既是 Master 节点又是 Worker 节点。

slave机器

slave01 和 slave02 参照 master 机器安装步骤进行安装。

启动 Spark 集群

启动 Hadoop 集群

Hadoop 集群的启动可以参见之前的一篇文章 Hadoop 2.6.4分布式集群环境搭建，这里不再赘述。启动之后，可以分别在 master、slave01、slave02 上使用 jps 命令查看进程信息。

启动 Spark 集群

(1) 启动 Master 节点

运行 start-master.sh，结果如下：

可以看到 master 上多了一个新进程 Master。

(2) 启动所有 Worker 节点

运行 start-slaves.sh，运行结果如下：

在 master、slave01 和 slave02 上使用 jps 命令，可以发现都启动了一个 Worker 进程

(3) 浏览器查看 Spark 集群信息。

访问：http://master:8080, 如下图：

(4) 使用 spark-shell

运行 spark-shell，可以进入 Spark 的 shell 控制台，如下：

(5) 浏览器访问 SparkUI

访问 http://master:4040, 如下图：

可以从 SparkUI 上查看一些如环境变量、Job、Executor等信息。

至此，整个 Spark 分布式集群的搭建就到这里结束。

停止 Spark 集群

停止 Master 节点

运行 stop-master.sh 来停止 Master 节点。

使用 jps 命令查看当前 java 进程

可以发现 Master 进程已经停止。

停止 Worker 节点

运行 stop-slaves.sh 可以停止所有的 Worker 节点

使用 jps 命令查看 master、slave01、slave02 上的进程信息：

可以看到， Worker 进程均已停止，最后再停止 Hadoop 集群。

遗留问题

设置的 SCALA_HOME 没有生效，Spark 启动时用的是自带的 Scala 2.10.5 版本。