Spark介绍 & 安装

目录

Spark介绍

概述

为什么要使用spark

spark优势

spark技术栈（内置组件）

Spark安装

解压

改名

配置环境变量

修改配置文件

编辑spark-env.sh文件

编辑workers文件

刷新资源

启动spark

---

Spark介绍

概述

Spark是一种快速、通用、可扩展的大数据分析引擎，于2009年诞生于加州大学伯克利分校AMPLab，2010年开源，2013年6月成为Apache孵化项目，2014年2月成为Apache顶级项目。项目是用Scala进行编写。

Spark生态系统已经发展成为一个包含多个子项目的集合，其中包含SparkSQL、Spark Streaming、GraphX、MLib、SparkR等子项目，Spark是基于内存计算的大数据并行计算框架。除了扩展了广泛使用的 MapReduce 计算模型，而且高效地支持更多计算模式，包括交互式查询和流处理。Spark适用于各种各样原先需要多种不同的分布式平台的场景，包括批处理、迭代算法、交互式查询、流处理。通过在一个统一的框架下支持这些不同的计算，Spark 使我们可以简单而低耗地把各种处理流程整合在一起。而这样的组合，在实际的数据分析 过程中是很有意义的。不仅如此，Spark 的这种特性还大大减轻了原先需要对各种平台分 别管理的负担。

Spark致力于打造大一统的软件栈，各个组件关系密切并且可以相互调用，这种设计有几个好处：
1、软件栈中所有的程序库和高级组件 都可以从下层的改进中获益。
2、运行整个软件栈的代价变小了。不需要运 行 5 到 10 套独立的软件系统了，一个机构只需要运行一套软件系统即可。系统的部署、维护、测试、支持等大大缩减。
3、能够构建出无缝整合不同处理模型的应用。

为什么要使用spark

MapReduce编程模型的局限性

繁杂

• 只有Map和Reduce两个操作卜复杂的逻辑需要大量的样板代码

处理效率低:

• Map中间结果写磁盘，Reduce写HDFS，多个Map通过HDFS交换数据
• 任务调度与启动开销大

不适合迭代处理。交互式处理和流式处理

Spark是类Hadoop MapReduce的通用并行框架

Job中间输出结果可以保存在内存，不再需要读写HDFS

比MapReduce平均快10倍以上

spark优势

速度快

• 基于内存数据处理，比MR快100个数量级以上（逻辑回归算法测试)
• 基于硬盘数据处理，比MR快10个数量级以上

易用性

• 支持Java、Scala、Python.R语言
• 交互式shell方便开发测试

通用性

• 一栈式解决方案：批处理、交互式查询、实时流处理、图计算及机器学习

多种运行模式

• YARN、Mesos、EC2、Kubernetes、Standalone、Local

spark技术栈（内置组件）

• Spark Core：核心组件，分布式计算引擎
• Spark SQL：高性能的基于Hadoop的SQL解决方案
• Spark Streaming：可以实现高吞吐量○具备容错机制的准实时流处理系统
• Spark Graphx：分布式图处理框架
• Spark MLlib：构建在Spark上的分布式机器学习库

Spark安装

在opt/install下面拷贝压缩包

一个为scala一个为spark

解压

[root@hadoop3 install]# tar -zxf spark-3.1.2-bin-hadoop3.2.tgz -C ../soft

[root@hadoop3 install]# tar -zxf scala-2.12.10.tgz -C ../soft/

改名

在soft目录下面

[root@hadoop3 soft]# mv spark-3.1.2-bin-hadoop3.2/ spark312

[root@hadoop3 soft]# mv scala-2.12.10/ scala212

配置环境变量

vim /ect/profile

#SPARK_HOME
export SPARK_HOME=/opt/soft/spark312
export PATH=$PATH:$SPARK_HOME/bin

#SCALA_HOME
export SCALA_HOME=/opt/soft/scala212
export PATH=$PATH:$SCALA_HOME/bin

修改配置文件

编辑spark-env.sh文件

cd /opt/soft/spark312/conf

把零时文件修改正式文件

[root@hadoop3 conf]# cp spark-env.sh.template spark-env.sh

编辑文件

[root@hadoop3 conf]# vim spark-env.sh

在文件最后加上下面代码

export SCALA_HOME=/opt/soft/scala212
export JAVA_HOME=/opt/soft/jdk180
export SPARK_HOME=/opt/soft/spark312
export HADOOP_INSTALL=/opt/soft/hadoop313
export HADOOP_CONF_DIR=$HADOOP_INSTALL/etc/hadoop
export SPARK_MASTER_IP=hadoop3
export SPARK_DRIVER_MEMORY=2G
export SPARK_LOCAL_DIRS=/opt/soft/spark312
export SPARK_EXECUTOR_MEMORY=2G

编辑workers文件

[root@hadoop3 conf]# cp workers.template workers

[root@hadoop3 conf]# vim workers

 这里已经有一个localhost，则不需要添加，如果需要配置集群只需要在这里添加主机名即可

刷新资源

source /etc/profile

启动spark

[root@hadoop3 conf]# spark-shell

出现下图则为已经安装成功