Spark HA 集群搭建【1、基于文件系统的手动HA 2、基于zk的自动HA】
1】环境准备
1、环境Centos6.5
2、4个slaves
3、hadoop集群搭建完成【见链接hadoop集群搭建http://blog.csdn.net/bbaiggey/article/details/50888648】
2】
1、下载Zookeeper
2、安装zookeeper见链接hadoop集群搭建【http://blog.csdn.net/bbaiggey/article/details/50888648】
3、启动zookeeper
4、检查zk进程是否存在【jps】
3】配置spark的HA
1：基于文件系统的单点恢复
主要用于开发或测试环境下。当spark提供目录保存spark Application和worker的注册信息，并将他们的恢复状态写入该目录中，这时，一旦Master发生故障，就可以通过重新启动Master进程（sbin/start-master.sh），恢复已运行的spark Application和worker的注册信息。
基于文件系统的单点恢复，主要是在spark-env里对SPARK_DAEMON_JAVA_OPTS设置：
参数 含义
spark.deploy.recoveryMode 设成FILESYSTEM ， 缺省值为NONE
spark.deploy.recoveryDirectory Spark 保存恢复状态的目录
如果想从另外一台机器上恢复（比如原有的Master机器物理损害的情况下），可以考虑使用NFS的共享目录来保存Spark恢复状态。
测试
A：配置conf/spark-env.sh，然后保存并发放给各节点。
vi conf/spark-env.sh
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=FILESYSTEM -Dspark.deploy.recoveryDirectory=/app/hadoop/spark100/recovery"
export SPARK_MASTER_IP=hadoop1
export SPARK_WORKER_CORES=1
export SPARK_WORKER_INSTANCES=1
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_MEMORY=1g
export MASTER=spark://${SPARK_MASTER_IP}:${SPARK_MASTER_PORT}
B：启动Spark Standalone集群。
C：启动一个spark-shell客户端并做部分操作后，然后用sbin/stop-master.sh杀死Master进程
D：过段时间后用sbin/start-master.sh启动master，观察客户端和监控，可以发现spark-shell可以使用杀死Master进程之前的变量。
2：基于zookeeper的Standby Masters
用于生产模式下。其基本原理，就是通过zookeeper来选举一个Master，其他的Master处于Standby状态。
将Standalone集群连接到同一个ZooKeeper实例并启动多个Master，利用zookeeper提供的选举和状态保存功能，可以使一个Master被选举，而其他Master处于Standby状态。如果现任Master死去，另一个Master会通过选举产生，并恢复到旧的Master状态，然后恢复调度。整个恢复过程（从原Master失去作用开始）可能要1-2分钟。注意，这种延迟只会影响新Application的调度，对于在故障期间已经运行的 application不会受到影响。
因为涉及到多个Master，所以对于应用程序的提交就有了一点变化，因为应用程序需要知道当前的Master的IP地址和端口。这种HA方案处理这种情况很简单，只需要在SparkContext指向一个Master列表就可以了，如spark://host1:port1,host2:port2,host3:port3，应用程序会轮询列表。
该HA方案使用起来很简单，首先启动一个ZooKeeper集群，然后在不同节点上启动Master，注意这些节点需要具有相同的zookeeper配置（ZooKeeper URL 和目录）。zookeeper配置参数有：
参数 含义
spark.deploy.recoveryMode 设置成ZOOKEEPER，缺省值为 NONE
spark.deploy.zookeeper.url ZooKeeper URL(如192.168.100.111:2181,192.168.100.112:2181...)
spark.deploy.zookeeper.dir ZooKeeper 保存恢复状态的目录，缺省为 /spark
Master可以在任何时候添加或移除。如果发生故障切换，新的Master将联系所有以前注册的Application和Worker告知Master的改变
A：配置conf/spark-env.sh，然后保存并发放给各节点。
vi conf/spark-env.sh
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop1:2181,hadoop2:2181,hadoop3:2181,hadoop4:2181,hadoop5:2181 -Dspark.deploy.zookeeper.dir=/spark"
export SPARK_WORKER_CORES=1
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=1g
因为Master可以随意添加，所以就不将Master所定义在conf/spark-env.sh里了，而是直接在Application中定义。
B：启动zookeeper集群。
C：启动Spark Standalone集群，并多启动一个节点的Master。
sbin/start-all.sh
sbin/start-master.sh
D：启动一个spark-shell客户端
[hadoop@hadoop2 spark100]$ MASTER=spark://hadoop1:7077,hadoop2:7077 bin/spark-shell
启动的时候使用了master列表，Application启动的时候会尝试连接所有的master
查看监控界面 mastIP:8080
可以看到Active 和standBy状态
E:手动杀死其中一个，会自动切换