Spark1.0.0 开发环境快速搭建
在本系列博客中，为了解析一些概念、解析一些架构、代码测试，搭建了一个实验平台，如下图所示：
本实验平台是在一台物理机上搭建的，物理机的配置是16G内存，4核8线程CPU。平台的环境配置如下：
| 机器名 | 配置 | 角色 | 软件安装 |
| hadoop1 | 2G内存，双核 | hadoop：NN/DN Spark：Master/worker | /app/hadoop/hadoop220
/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
|
| hadoop2 | 2G内存，双核 | hadoop：DN Spark：worker | /app/hadoop/hadoop220
/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
|
| hadoop3 | 2G内存，双核 | hadoop：DN Spark：worker | /app/hadoop/hadoop220
/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
|
| wyy | 16G内存，四核 | client | /app/hadoop/hadoop220 |
以上hadoop和spark安装目录的用户属性都是hadoop（组别为hadoop），其他的安装目录的用户属性是root:root。
实验平台搭建顺序
1：虚拟集群的搭建
A：hadoop2.2.0集群搭建
参见博客 hadoop2.2.0测试环境搭建
或者参看视频 http://pan.baidu.com/s/1qWqFY4c 提取密码:xv4i
B：Spark1.0.0 Standalone集群搭建
参见博客 Spark1.0.0 on Standalone 模式部署
2：开发端的搭建
客户端采用的Ubuntu操作系统，而Spark虚拟集群采用的是CentOS，默认的java安装目录两个操作系统是不一样的，所以在Ubuntu下安装java的时候特意将java的安装路径改成和CentOS一样。不然的话，每次scp了虚拟集群的配置文件之后，要修改hadoop-env.sh中的java配置。
客户端hadoop2.2.0和Spark1.0.0是直接从虚拟集群中scp出来的，放置在相同的目录下，拥有相同的用户属性。
开发用的IDE采用IntelliJ IDEA，项目的搭建参见博客 使用IntelliJ IDEA开发Spark1.0.0应用程序。
应用程序的部署和调试参见博客 应用程序部署工具spark-submit 。
3：实验数据来源
实验用的数据来源于搜狗实验室下载地址为： http://download.labs.sogou.com/resources.html?v=1
- 互联网语料库(SogouT)
- 网页搜索结果评价(SogouE)
- 链接关系库(SogouT-Link)
- SogouRank库(SogouT-Rank)
- 用户查询日志(SogouQ)
- 互联网词库(SogouW)
4：伪分布式实验平台搭建
上面的实验平台是将hadoop集群、Spark集群和开发环境分离，更接近生产系统；但很多朋友的物理机配置可能偏低，那样的话可以采用伪分布式部署。但伪分布式会有一些缺陷：
- spark的数据本地性不易测试
- 对于并行性不易理解
- job调度不易理解
至于伪分布式的部署很简单，步骤和虚拟集群搭建差不多，只要修改两个地方：
- ssh无密码登陆只需要ssh一下本机
- hadoop和spark的配置文件salves修改成本机机器名
5：调试工具
- 日志配置（尚未撰写博客，最近写完补上链接）
- history server配置
- job server配置（尚未撰写博客，最近写完补上链接）