Spark环境搭建

序言

搭建个spark on yarn的环境。

官方网址：http://spark.apache.org/downloads.html

下载Spark的版本的时，首先选择对应的Hadoop版本，然后注意需要的scala版本

Scala环境搭建

官方下载网址https://www.scala-lang.org/download/2.12.13.html

确保你本地已经安装了 JDK 1.5 以上版本，并且设置了 JAVA_HOME 环境变量及 JDK 的 bin 目录。

#下载spark 注意要选择对应的hadoop版本
[root@cuiyaonan2000 scala] wget https://downloads.lightbend.com/scala/2.12.13/scala-2.12.13.tgz


[root@cuiyaonan2000 scala]  vi /etc/profile

#增加如下内容

export SCALA_HOME=/soft/scala/scala-2.12.13
export PATH=$PATH:$SCALA_HOME/bin


#生效配置文件
[root@cuiyaonan2000 scala]  source /etc/profile

验证

#输入命令
[root@cuiyaonan2000 scala] scala

#展示如下内容即可
Welcome to Scala 2.12.13 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_271).
Type in expressions for evaluation. Or try :help.


#输入命令:q 表示退出scala命令模式
scala> :q

Spark安装

#下载scala-2.12版本，注意要与spark的版本关联
[root@cuiyaonan2000 spark] wget https://downloads.lightbend.com/scala/2.12.13/scala-2.12.13.tgz

[root@cuiyaonan2000 spark] tar -zxvf spark-3.1.1-bin-hadoop3.2.tgz 

[root@cuiyaonan2000 spark] vi /etc/profile

#增加如下内容
export SPARK_HOME=/soft/spark/spark-3.1.1-bin-hadoop3.2
export PATH=$PATH:$SPARK_HOME/bin


#命令进入pyspark 交互界面，验证是否成功
[root@cuiyaonan2000 spark] pyspark

#exit()表示退出spark 交互界面
>>> exit()

显示如下内容表示成功：

本地模式启动

#启动本地spark交互界面,且使用了4个线程
pyspark --master local[4]  

#查看当前的运行模式 ,同时可以显示进程数
sc.master     

Spark on yarn

spark on yarn，就是把spark任务提交到yarn 集群上运行。

提交spark任务的地方，就是客户端，所以客户端一台即可。但需要保证客户端可以正常连接到hdfs集群和yarn集群。--------提交的时候通过命令来提交是client模式，还是cluster模式。

Spark本身的Master节点和Worker节点不需要启动,Spark On Yarn集群的部署不依赖Standalone集群。

因为spark on yarn 不需要启动spark自身的计算资源服务和管理资源服务，而是依赖yarn的nodemanager和resourcesmanager所以，spark需要知道yarn和hdfs的配置文件位置。

[root@cuiyaonan2000 spark] vi /etc/profile

#如果hadoop的配置文件中指明了就可以不用洗饿了
# Hadoop 的配置文件目录
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
# YARN 的配置文件目录
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop

命令

启动命令就是spark-submit 进行spark程序的提交，关于yarn-cluster 和yarn-client的启动其实就是命令的不同，影响不大。cuiyaonan2000@163.com

可以使用spark自带的sample进行环境测试

./spark-submit  --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode cluster --driver-memory 4g --executor-memory 2g --e xecutor-cores 1 --queue default ../examples/jars/spark-examples*.jar 10

Standalone模式

修完完成后，将spark包scp到不同的服务器上就行。

worker（必）

[root@cuiyaonan2000 scala]  cd  /soft/spark/spark-3.1.1-bin-hadoop3.2/conf

#在worker文件里增加 work的服务器，可以填写ip 也可以填写机器名
vi workers

spark-config.sh（必）

[root@cuiyaonan2000 spark] vi sbin/spark-config.sh

#增加如下内容，否则work启动不了
export JAVA_HOME=/soft/jdk1.8.0_171

spark-env.sh（非必须）

[root@cuiyaonan2000 spark] cp spark-env.sh.template spark-env.sh

[root@cuiyaonan2000 spark] vi spark-env.sh

#add如下内容
#master服务器的ip 或者名称
export SPARK_MASTER_IP=master  
#worker使用的CPU核心
export SPARK_WORKER_CORES=1
#worker 使用的内存
export SPARK_WORKER_MEMORY=512m
#设置的实例数  这块挺有意思 每个系统上的spark 会启动4个worker
export SPARK_WORKER_INSTANCES=4

启动

• start-all.sh #启动所有的  
• start-master.sh #master服务器的ip，master启动后通过，通过IP:8080 来访问管理界面
• start-slaves.sh #启动slaves服务器

访问spark管理平台的界面如下所示：同时可以看到第一行的内容 指出了连接spark master的地址为   ip:7077