【大数据工具】Spark 伪分布式、分布式集群搭建

Spark 集群搭建

Spark 安装包下载地址：https://archive.apache.org/dist/spark/

1. Spark 伪分布式安装

安装前提：安装 Spark 前需要先安装好 JDK

1. 上传并解压 Spark 安装包

1. 使用 fileZilla 或其他文件传输工具上传 Spark 安装包：spark-2.1.0-bin-hadoop2.7.tgz
2. 解压安装包

[root@bigdata software]# tar -zxvf spark-2.1.0-bin-hadoop2.7.tgz -C .

2. 编辑配置文件

1. 编辑 Spark 环境文件

[root@bigdata software]# cd spark-2.1.0-bin-hadoop2.7/conf/
[root@bigdata conf]# cp spark-env.sh.template spark-env.sh
[root@bigdata conf]# vi spark-env.sh
# 将下边三行配置添加到文件最后
export JAVA_HOME=/software/jdk		# 提前安装好jdk并将JDK安装包更名为jdk
export SPARK_MASTER_HOST=bigdata	# 本机hostname
export SPARK_MASTER_PORT=7077

2. 编辑 Spark Slaves 文件

[root@bigdata conf]# cp slaves.template slaves
# 把文件最后一行的localhost改为本机hostname或ip
bigdata

3. 验证

• 由于没有设置环境变量，因此启停服务需要去 ${SPARK_HOME}/sbin 下执行

[root@bigdata conf]# ../sbin/start-all.sh

• 启动后发现该机器上启动了一个 master 节点和一个 worker 节点

[root@bigdata conf]# jps
1937 Master
2013 Worker
9869 Jps

• 在 Web Console 页面查看（端口：8080）

172.16.15.111:8080

2. Spark 分布式集群安装

1. 将 spark-2.1.0-bin-hadoop2.7.tgz 上传至 hadoop0:/software/ 下

2. 解压(在当前目录下)

tar -zxvf spark-2.1.0-bin-hadoop2.7.tgz -C .

3. 改名并配置Spark环境变量文件 spark-env.sh

[root@hadoop0 software]# cd spark-2.1.0-bin-hadoop2.7/conf/
[root@hadoop0 conf]# cp spark-env.sh.template spark-env.sh
[root@hadoop0 conf]# vi spark-env.sh
# 将下边三行添加到spark-env.sh的末尾
export JAVA_HOME=/software/jdk
export SPARK_MASTER_HOST=hadoop0
export SPARK_MASTER_PORT=7077

4. 改名并配置从节点信息文件 slaves

[root@hadoop0 conf]# cp slaves.template slaves
[root@hadoop0 conf]# vi slaves
# 将最后的localhost，添加下边两行
hadoop1
hadoop2

5. 把安装配置好的主节点的Spark目录文件复制到两个从节点

[root@hadoop0 software]# scp -r spark-2.1.0-bin-hadoop2.7 root@hadoop1:/software/
[root@hadoop0 software]# scp -r spark-2.1.0-bin-hadoop2.7 root@hadoop2:/software/

6. 配置完成，在主节点上启动

• 启动前确保集群的ZooKeeper集群已经启动

[root@hadoop0 spark-2.1.0-bin-hadoop2.7]# sbin/start-all.sh 
org.apache.spark.deploy.master.Master running as process 1348.  Stop it first.
hadoop2: org.apache.spark.deploy.worker.Worker running as process 1278.  Stop it first.
hadoop1: org.apache.spark.deploy.worker.Worker running as process 1295.  Stop it first.

7. 网页上观察：172.16.15.100:8080