Spark的安装模式一般分为三种:1.伪分布模式:即在一个节点上模拟一个分布式环境,master和worker共用一个节点,这种模式一般用于开发和测试Spark程序;2.全分布模式:即真正的集群模式,master和worker部署在不同的节点之上,一般至少需要3个节点(1个master和2个worker),这种模式一般用于实际的生产环境;3.HA集群模式:即高可用集群模式,一般至少需要4台机器(1个主master,1个备master,2个worker),这种模式的优点是在主master宕机之后,备master会立即启动担任master的职责,可以保证集群高效稳定的运行,这种模式就是实际生产环境中多采用的模式。本小节先来介绍Spark的伪分布模式的安装和配置。
安装介质:
jdk-8u162-linux-x64.tar.gz 提取码:2bh8
hadoop-2.7.3.tar.gz 提取码:d4g2
scala-2.12.6.tgz 提取码:s2ly
spark-2.1.0-bin-hadoop2.7.tgz 提取码:5kcf
1. 准备Linux环境
1.1 安装Linux操作系统
安装Linux操作系统比较简单,这里不再详细。参考:《Linux从入门到精通1:使用 VMware Workstation 14 Pro 安装 CentOS 7 详细图文教程》
1.2 关闭防火墙
关闭Selinux:
临时关闭:# setenforce 0
永久关闭:# vi /etc/selinux/config,
修改其中的参数:SELINUX=disabled,按Esc:qw保存退出。关闭iptables:
安装服务:# yum -y install iptables-services
临时关闭:# systemctl stop firewalld.service
永久关闭:# systemctl disable firewalld.service
1.3 设置静态IP
编辑网卡配置文件:# vi /etc/sysconfig/network-scripts/ifcfg-ens33
修改参数:BOOTPROTO=static
追加参数:
ONBOOT=yes
IPADDR=192.168.179.111
NETMASK=255.255.255.0
GATEWAY=192.168.254.2
DNS1=8.8.8.8
DNS2=119.29.29.29
重启网络服务:# systemctl restart network.service
查看配置的IP地址:# ip add 或者 # ifconfig -a
测试IP是否可用:# curl www.baidu.com 或者 # ping www.baidu.com
1.4 设置主机名
方式1:[root@localhost ~]# hostnamectl set-hostname spark111
方式2:编辑配置文件:[root@localhost ~]# vi /etc/hostname,
清空内容后写入:spark111
重新打开终端会显示新的主机名:[root@spark111 ~]#
1.5 主机名和IP的映射关系
编辑hosts配置文件:# vi /etc/hosts
追加一行:192.168.179.111 spark111
测试主机名是否可用:# ping spark111
1.6 配置免密码登录
(1)使用ssh-keygen工具生成秘钥对:
# ssh-keygen -t rsa
私钥:Your identification has been saved in /root/.ssh/id_rsa.
公钥:Your public key has been saved in /root/.ssh/id_rsa.pub.
(2)将生成的公钥发给自己:
# ssh-copy-id -i /root/.ssh/id_rsa.pub root@spark111
(3)测试秘钥认证是否成功:
# ssh root@spark111
直接回车即可登录,不用输入密码,说明免密码登录配置成功。
2. 安装JDK
2.1 上传JDK安装包
使用winscp工具将JDK安装包jdk-8u144-linux-x64.tar.gz上传到/root/tools/目录中,该目录是事先创建的。
# ls /root/tools/
jdk-8u144-linux-x64.tar.gz
2.2 解压JDK安装包
进入/root/tools/目录,将jdk安装包解压到/root/training/目录中,该目录也是事先创建的。
# cd /root/tools/
# pwd
/root/tools
# tar -zxvf jdk-8u144-linux-x64.tar.gz -C /root/training/
2.3 配置Java环境变量
# cd /root/trainings/jdk1.8.0_144/
# pwd
/root/trainings/jdk1.8.0_144
# vi /root/.bash_profile
在文件末尾追加如下内容:
JAVA_HOME=/root/training/jdk1.8.0_144
export JAVA_HOME
PATH=$JAVA_HOME/bin:$PATH
export PATH
按Esc:wq保存退出,使用source命令使配置文件立即生效:
# source /root/.bash_profile
2.4 测试JDK是否安装成功
# java -version
java version "1.8.0_144"
Java(TM) SE Runtime Environment (build 1.8.0_144-b01)
Java HotSpot(TM) 64-Bit Server VM (build 25.144-b01, mixed mode)
3. 安装Hadoop
3.1 上传Hadoop安装包
使用winscp工具将Hadoop安装包hadoop-2.7.3.tar.gz上传到/root/tools/目录。
# ls /root/tools/
hadoop-2.4.1.tar.gz jdk-8u162-linux-x64.tar.gz
3.2 解压Hadoop安装包
进入/root/tools/目录,将hadoop安装包解压到/root/training/目录。
# cd /root/tools/
# tar -zxvf hadoop-2.7.3.tar.gz -C /root/training/
3.3 配置Hadoop环境变量
# cd /root/training/hadoop-2.7.3/
# pwd
/root/training/hadoop-2.7.3
# vim /root/.bash_profile
在文件末尾追加如下内容:
HADOOP_HOME=/root/training/hadoop-2.7.3
export HADOOP_HOME
PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
export PATH
按Esc:wq保存退出,使用source命令使配置文件立即生效:
# source /root/.bash_profile
3.4 配置Hadoop参数
进入Hadoop配置文件目录:
# cd /root/training/hadoop-2.7.3/etc/hadoop
(1)配置hadoop-env.sh文件:
# vim hadoop-env.sh
export JAVA_HOME=/root/training/jdk1.8.0_144
(2)配置hdfs-site.xml文件:
# vim hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>
</configuration>
(3)配置core-site.xml文件:
# mkdir /root/training/hadoop-2.7.3/tmp
# vim core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://192.168.179.111:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/root/training/hadoop-2.7.3/tmp</value>
</property>
</configuration>
(4)配置mapred-site.xml文件:
将模板文件mapred-site.xml.template重命名位mapred-site.xml然后编辑:
# mv mapred-site.xml.template mapred-site.xml
# vim mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
(5)配置yarn-site.xml文件:
# vim yarn-site.xml
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>192.168.179.111</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
3.5 对NameNode进行格式化
# hdfs namenode -format
出现下面的日志说明格式化成功:
18/05/27 16:13:55 INFO common.Storage: Storage directory
/root/training/hadoop-2.7.3/tmp/dfs/name has been successfully formatted.
3.6 启动Hadoop伪分布模式
# start-all.sh
启动成功后,使用jps命令查看开启的进程:
# jps
4792 ResourceManager
4474 DataNode
4892 NodeManager
4335 NameNode
4639 SecondaryNameNode
5199 Jps
使用命令行查看HDFS的状态:
# hdfs dfsadmin -report
使用浏览器查看HDFS的状态:
http://192.168.179.111:50070
使用浏览器查看YARN的状态:
http://192.168.179.111:8088
3.7 测试WordCount程序
(1)在HDFS上创建输入目录/input:
# hdfs dfs -mkdir /input
(2)将本地数据文件data.txt上传至该目录:
# hdfs dfs -put /root/input/data.txt /input
# hdfs dfs -ls /input
Found 1 items
-rw-r--r-- 1 root supergroup 60 2018-05-27 16:29 /input/data.txt# hdfs dfs -cat /input/data.txt
I love Beijing
I love China
Beijing is the capital of China
(3)进入到Hadoop的示例程序目录:
# cd /root/training/hadoop-2.7.3/share/hadoop/mapreduce
(4)执行示例程序中的Wordcount程序,以HDFS上的/input/data.txt作为输入数据,
输出结果存放到HDFS上的/out/wc目录下:
# hadoop jar hadoop-mapreduce-examples-2.7.3.jar \
wordcount /input/data.txt /output/wc
(5)查看进度和结果:
可以通过终端打印出来的日志信息知道执行进度:
18/05/27 16:32:03 INFO mapreduce.Job: map 0% reduce 0%
18/05/27 16:32:11 INFO mapreduce.Job: map 100% reduce 0%
18/05/27 16:32:21 INFO mapreduce.Job: map 100% reduce 100%
执行结束后可以在HDFS上的/out/wc目录下查看是否有_SUCCESS标志文件来判断是否执行成功。
# hdfs dfs -ls /output/wc
Found 2 items
-rw-r--r-- 1 root supergroup 0 2018-05-27 16:32 /output/wc/_SUCCESS
-rw-r--r-- 1 root supergroup 55 2018-05-27 16:32 /output/wc/part-r-00000
如果执行成功,可以在输出目录下看到_SUCCESS标志文件,且可以在part-r-00000文件中查看到wordcount程序的结果:
# hdfs dfs -cat /output/wc/part-r-00000
Beijing 2
China 2
I 2
capital 1
is 1
love 2
of 1
the 1
3.8 停止Hadoop伪分布模式
# stop-all.sh
4. 安装Scala
4.1 上传Scala安装包
使用winscp工具将Scala安装包scala-2.12.6.tgz上传到/root/tools目录下:
# cd /root/tools/
# ls
scala-2.12.6.tgz
4.2 解压Scala安装包
进入/root/tools目录,将Scala安装包解压到安装目录/root/training/:
# tar -zxvf scala-2.12.6.tgz -C /root/training/
4.3 配置Scala环境变量
将Scala的家目录加入到环境变量PATH中:
# cd /root/training/scala-2.12.6/
# pwd
/root/training/scala-2.12.6
# vim /root/.bash_profile
SCALA_HOME=/root/training/scala-2.12.6
export SCALA_HOME
PATH=$SCALA_HOME/bin:$PATH
export PATH
使环境变量生效:
# source /root/.bash_profile
4.4 验证Scala是否安装成功
输入scala命令,如下进入scala环境,则证明scala安装成功:
# scala
Welcome to Scala 2.12.6 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_144).
Type in expressions for evaluation. Or try :help.scala>
5. 安装Spark
5.1 上传Spark安装包
使用winscp工具将Spark安装包spark-2.1.0-bin-hadoop2.7.tgz上传到/root/tools目录下:
# ls /root/tools/
spark-2.1.0-bin-hadoop2.7.tgz
5.2 解压Spark安装包
进入/root/tools目录,将Spark安装包解压到安装目录/root/training/下:
# tar -zxvf spark-2.1.0-bin-hadoop2.7.tgz -C /root/training/
5.3 配置Spark环境变量
# cd /root/training/spark-2.1.0-bin-hadoop2.7/
# pwd
/root/training/hadoop-2.7.3/
# vim /root/.bash_profile
注意:由于Spark的命令脚本和Hadoop的命令脚本有冲突(比如都有start-all.sh和stop-all.sh等),
所以这里需要注释掉Hadoop的环境变量,添加Spark的环境变量:
#HADOOP_HOME=/root/training/hadoop-2.7.3
#export HADOOP_HOME
#PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
#export PATH
SPARK_HOME=/root/training/spark-2.1.0-bin-hadoop2.7
export SPARK_HOME
PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
export PATH
按Esc:wq保存退出,使用source命令使配置文件立即生效:
# source /root/.bash_profile
5.4 配置Spark参数
进入Spark的配置文件目录下:
# cd /root/training/spark-2.1.0-bin-hadoop2.7/conf/
(1)配置spark-env.sh文件:
# cp spark-env.sh.template spark-env.sh
# vim spark-env.sh
export JAVA_HOME=/root/training/jdk1.8.0_144
export HADOOP_HOOME=/root/training/hadoop-2.7.3
export HADOOP_CONF_DIR=/root/training/hadoop-2.7.3/etc/hadoop
export SCALA_HOME=/root/training/scala-2.12.6
export SPARK_MASTER_HOST=spark111
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=1
export SPARK_WORKER_MEMORY=1G
(2)配置slaves文件:
# cp slaves.template slaves
# vim slaves
spark111
5.5 启动Spark伪分布模式
# start-all.sh
starting org.apache.spark.deploy.master.Master, logging to
/root/training/spark-2.1.0-bin-hadoop2.7/logs/
spark-root-org.apache.spark.deploy.master.Master-1-spark111.out
spark111: starting org.apache.spark.deploy.worker.Worker, logging to
/root/training/spark-2.1.0-bin-hadoop2.7/logs/
spark-root-org.apache.spark.deploy.worker.Worker-1-spark111.out
查看进程:
使用浏览器监控Spark的状态:# jps
6513 Master
6596 Worker
5.6 使用spark-shell
使用spark-shell命令进入SparkContext(即Scala环境):
# spark-shell
Setting default log level to "WARN".
……
Welcome to
____ __
/ / ___ _____/ /__
\ / _ / _ `/ / '/
// ./_,// // _\ version 2.1.0
/_/Using Scala version 2.11.8 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_144)
Type in expressions to have them evaluated.
Type :help for more information.scala>
启动了spark-shell之后,可以使用4040端口访问其Web控制台页面(注意:如果一台机器上启动了多个spark-shell,即运行了多个SparkContext,那么端口会自动连续递增,如4041,4042,4043等等):
5.7 停止Spark伪分布模式
# stop-all.sh
spark111: stopping org.apache.spark.deploy.worker.Worker
stopping org.apache.spark.deploy.master.Master
Spark中常用的端口总结:
- master端口:7077
- master Web端口:8080
- spark-shell 端口:4040