搭建Spark Standalone集群

零、学习目标

1.搭建Spark Standalone模式的集群
2.能够启动Spark Standalone模式的集群
3.学会Spark应用程序的提交

Spark的两种集群运行模式：Spark Standalone模式和Spark On
YARN模式。Standalone模式需要启动Spark集群，而Spark On
YARN模式不需要启动Spark集群，只需要启动YARN集群即可。先来搭建Spark Standalone模式的集群。

一、Spark Standalone架构

• Spark
  Standalone模式为经典的Master/Slave（主/从）架构，资源调度是Spark自己实现的。在Standalone模式中，根据应用程序提交的方式不同，Driver（主控进程）在集群中的位置也有所不同。应用程序的提交方式主要有两种：client和cluster，默认是client。可以在向Spark集群提交应用程序时使用–deploy-mode参数指定提交方式。

  （一）client提交方式

• 集群的主节点称为Master节点，在集群启动时会在主节点启动一个名为Master的守护进程，类似YARN集群的ResourceManager；从节点称为Worker节点，在集群启动时会在各个从节点上启动一个名为Worker的守护进程，类似YARN集群的NodeManager。

• Spark在执行应用程序的过程中会启动Driver和Executor两种JVM进程。

• Driver为主控进程，负责执行应用程序的main()方法，创建SparkContext对象（负责与Spark集群进行交互），提交Spark作业，并将作业转化为Task（一个作业由多个Task任务组成），然后在各个Executor进程间对Task进行调度和监控。通常用SparkContext代表Driver。在上图的架构中，Spark会在客户端启动一个名为SparkSubmit的进程，Driver程序则运行于该进程。

• Executor为应用程序运行在Worker节点上的一个进程，由Worker进程启动，负责执行具体的Task，并存储数据在内存或磁盘上。每个应用程序都有各自独立的一个或多个Executor进程。在Spark Standalone模式和Spark on YARN模式中，Executor进程的名称为CoarseGrainedExecutorBackend，类似运行MapReduce程序所产生的YarnChild进程，并且同时与Worker、Driver都有通信。

（二）cluster提交方式

• Standalone
  cluster提交方式提交应用程序后，客户端仍然会产生一个名为SparkSubmit的进程，但是该进程会在应用程序提交给集群之后就立即退出。当应用程序运行时，Master会在集群中选择一个Worker进程启动一个名为DriverWrapper的子进程，该子进程即为Driver进程，所起的作用相当于YARN集群的ApplicationMaster角色，类似MapReduce程序运行时所产生的MRAppMaster进程。

二、Spark集群拓扑

（一）集群角色分配

• Spark Standalone模式的集群搭建需要在集群的每个节点都安装Spark，集群角色分配如下表所示。
  

二、搭建三节点集群

（一）在私有云上创建三台虚拟机

• 创建配置过程，参看本博《在OpenStack私有云上创建与配置虚拟机》

1、登录master虚拟机

• 单击连接管理器里的master，登录master虚拟机
  
• 测试能否ping通百度 - www.baidu.com
  

2、登录slave1虚拟机

• 单击连接管理器里的slave1，登录slave1虚拟机
• 测试能否ping通百度 - www.baidu.com
  
  3、登录slave2虚拟机
• 单击连接管理器里的slave2，登录slave2虚拟机
  
• 测试能否ping通百度 - www.baidu.com

（二）查看三台虚拟机主机名

• 查看master虚拟机主机名
  

• 查看slave1虚拟机主机名
  

• 查看slave2虚拟机主机名
  

• 设置主机名命令：hostnamectl set-hostname <主机名>

（四）配置三台虚拟机IP-主机名映射

192.168.1.120 master
192.168.1.121 slave1
192.168.1.122 slave2

• 在三台虚拟机上安装vim编辑器，执行命令：yum -y install vim

1、配置master虚拟机IP-主机名映射

• 执行命令：vim /etc/hosts
  
• 查看主机映射配置文件
  

2、配置slave1虚拟机IP-主机名映射

• 执行命令：vim /etc/hosts
  
• 查看主机映射配置文件
  

3、配置slave2虚拟机IP-主机名映射

• 执行命令：vim /etc/hosts
  
• 查看主机映射配置文件
  

（五）关闭与禁用防火墙

1、了解相关命令

（1）关闭防火墙命令

• systemctl stop firewalld
  （2）禁用防火墙命令
• systemctl disable firewalld

（3）查看防火墙状态

• systemctl status firewalld

2、关闭与禁用防火墙

（1）关闭与禁用master虚拟机防火墙

• 关闭防火墙
  

• 禁用防火墙
  

• 查看防火墙状态
  

（2）关闭与禁用slave1虚拟机防火墙

• 关闭防火墙
  

• 禁用防火墙
  

• 查看防火墙状态
  

（3）关闭与禁用slave2虚拟机防火墙

• 关闭防火墙
  

• 禁用防火墙
  

• 查看防火墙状态
  

（六）关闭SeLinux安全机制

• 安全增强型 Linux（Security-Enhanced Linux）简称 SELinux，它是一个 Linux 内核模块，也是
  Linux 的一个安全子系统。
• SELinux 主要作用就是最大限度地减小系统中服务进程可访问的资源（最小权限原则）。
• SELinux 有三种工作模式，分别是enforcing：强制模式；permissive：宽容模式；disabled：关闭
  SELinux。
• /etc/sysconfig/selinux
  文件里SELINUX=enforcing，将enforcing改成disabled，就可以关闭SeLinux安全机制
  1、在master虚拟机上关闭SeLinux安全机制
• 执行命令：vim /etc/sysconfig/selinux
  
  2、在slave1虚拟机上关闭SeLinux安全机制
• 执行命令：vim /etc/sysconfig/selinux
  
  3、在slave2虚拟机上关闭SeLinux安全机制
• 执行命令：vim /etc/sysconfig/selinux
  

（七）设置三台虚拟机免密登录

1、master虚拟机免密登录master

• 执行命令：ssh-keygen，生成密钥对
  
• 执行命令：ssh-copy-id root@master，将公钥拷贝到master
  
• 测试master节点是否免密登录自己
  
  2、master虚拟机免密登录slave1
• 执行命令：ssh-copy-id root@slave1，将公钥拷贝到slave1
  
• 测试master节点是否免密登录slave1
  
  3、master虚拟机免密登录slave2
• 执行命令：ssh-copy-id root@slave2，将公钥拷贝到slave2
  
• 测试master节点是否免密登录slave2
  

（八）上传大数据相关软件到虚拟机

• 在win7虚拟机上查看相关软件
  
• 上传到master虚拟机/opt目录
  

（九）在三台虚拟机上安装配置JDK

1、在master虚拟机上安装配置JDK

• 进入/opt目录
  
• 执行命令：tar -zxvf jdk-8u162-linux-x64.tar.gz -C
  /usr/local，将Java安装包解压到指定目录
  
• 执行命令：ll /usr/local/jdk1.8.0_162，查看解压之后的jdk1.8.0_162目录
  
• 执行命令：vim /etc/profile，配置环境变量
  

export JAVA_HOME=/usr/local/jdk1.8.0_162
export PATH=$JAVA_HOME/bin:$PATH
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

• 存盘退出，执行命令：source /etc/profile，让配置生效
  
• 查看JDK版本
  
• 编写一个Java程序 - HelloWorld.java
  
• 存盘退出后，执行命令：javac HelloWorld.java，编译成字节码文件
  
• 执行命令：java HelloWorld
  
  2、将master虚拟机上安装的JDK分发到slave1和slave2虚拟机
• 执行命令：scp -r $JAV{A}_{H}OMEroot@slave1:$JAVA_HOME (-r recursive - 递归)
  
• 在slave1虚拟机上查看JDK是否拷贝成功
  
• 执行命令：scp -r $JAV{A}_{H}OMEroot@slave2:$JAVA_HOME (-r recursive - 递归)
  
• 在slave2虚拟机上查看JDK是否拷贝成功
  
  3、将master虚拟机上环境配置文件分发到slave1和slave2虚拟机
• 执行命令：scp /etc/profile root@slave1:/etc
  
• 执行命令：scp /etc/profile root@slave2:/etc
  
• 在slave1与slave2节点上执行命令：source /etc/profile，让环境配置生效