hadoop 组件之spark的安装及配置

下面给出的是spark集群搭建的环境:

操作系统:最小安装的CentOS 7(下载地址)

Yarn对应的hadoop版本号:Hadoop的Cloudera公司发行版Hadoop2.6.0-CDH5.4.0(下载地址)

Java版本号:JDK1.8(下载地址)

Scala版本号:Scala2.10.4(下载地址)

Spark版本号:spark-1.3.1-bin-hadoop2.6(下载地址)

集群组成:master  192.168.1.2

                     slave1   192.168.1.3

                     slave2   192.168.1.4

                     slave3   192.168.1.5

 

1、  操作系统的安装

我觉得这个就没必要说了,下载一个虚拟机或者直接在真机安装,比较简单,不再赘述。

2、  Java的安装

请参看我的博文《Jdk1.8在CentOS7中的安装与配置》有详细说明。

3、  Scala的安装

请参看我的博文《Scala2.10.4在CentOS7中的安装与配置》有详细说明。

4、  Yarn的部署

Yarn是由Hadoop2.x发展而来,是Hadoop1.x的JobTracker和TaskTracker的升级版本,是hadoop2.x的资源调度工具。搭建Hadoop2.x环境的时候,yarn会自动被搭建好,所以,我们只需要搭建hadoop环境即可。

Hadoop具体环境搭建,请参看我的博文《Hadoop2.6.0在CentOS 7中的集群搭建》有详细说明。

5、  Spark的集群搭建

a)         首先,从官网下载spark1.3.1对应hadoop2.6.0的版本(注:以下所有操作都在超级用户模式下进行!)

b)         在主节点master的root/app的目录下,解压下载好的spark-1.3.1-bin-hadoop2.6.tgz:

tar –xzvf spark-1.3.1-bin-hadoop2.6.tgz

c)         配置Spark的环境变量:

  i.   vi  /etc/profile

  ii.  在文件最后添加:

      ## SPARK

      export SPARK_HOME=spark的绝对路径(我这边是:/root/app/spark-1.3.1-bin-hadoop2.6)

      export PATH=$PATH:$SPARK_HOME/bin

d)         Spark的相关文件配置

  i.  slaves的配置:

  vi slaves

  添加从节点slave名称:

        slave1

        slave2

        slave3

  ii.  spark-env.sh的配置

  vi spark-env.sh

  向文件添加:

        export JAVA_HOME=Java安装的绝对路径(我这边是:/root/app/jdk1.8)

        export SCALA_HOME=Scala安装的绝对路径(我这边是:/root/app/scala2.10)

        export HADOOP_CONF_DIR=hadoop环境下的配置文件目录etc/hadoop的绝对路径(我这边是:/root/app/hadoop-2.6.0-cdh6.4.0/etc/Hadoop)

        export SPARK_MASTER_IP=主节点IP或主节点IP映射名称(我这边是:master)

        export SPARK_MASTER_PORT=主节点启动端口(默认7077)

        export PARK_MASTER_WEBUI_PORT=集群web监控页面端口(默认8080)

        export SPARK_WORKER_CORES=从节点工作的CPU核心数目(默认1)

        export SPARK_WORKER_PORT=从节点启动端口(默认7078)

        export SPARK_WORKER_MEMORY=分配给Spark master和 worker 守护进程的内存空间(默认512m)

        export SPARK_WORKER_WEBUI_PORT=从节点监控端口(默认8081)

        export SPARK_WORKER_INSTANCES=每台从节点上运行的worker数量 (默认: 1). PS:当你有一个非常强大的计算的时候和需要多个Spark worker进程的时候你可以修改这个默认值大于1 . 如果你设置了这个值。要确保SPARK_WORKER_CORE 明确限制每一个worker的核心数, 否则每个worker 将尝试使用所有的核心。

     3.  我这边的yarn部署是按照spark配置文件的默认部署的,如果你想根据实际情况来部署的话,可以修改一下文件:

        # – HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files

        # – SPARK_EXECUTOR_INSTANCES, Number of workers to start (Default: 2)

        # – SPARK_EXECUTOR_CORES, Number of cores for the workers (Default: 1).

        # – SPARK_EXECUTOR_MEMORY, Memory per Worker (e.g. 1000M, 2G) (Default: 1G)

        # – SPARK_DRIVER_MEMORY, Memory for Master (e.g. 1000M, 2G) (Default: 512 Mb)

        # – SPARK_YARN_APP_NAME, The name of your application (Default: Spark)

        # – SPARK_YARN_QUEUE, The hadoop queue to use for allocation requests

        # – SPARK_YARN_DIST_FILES, Comma separated list of files to be distributed with the job.

        # – SPARK_YARN_DIST_ARCHIVES, Comma separated list of archives to be distributed with the job.

  iii.  Spark文件复制:

    将配置好的Spark文件复制到各个从节点slave对应的目录上:

    scp spark-1.3.1-bin-hadoop2.6/ root@slave1:/root/app

    scp spark-1.3.1-bin-hadoop2.6/ root@slave2:/root/app

    scp spark-1.3.1-bin-hadoop2.6/ root@slave3:/root/app

6、  Spark On Yarn的集群启动:

  a)  Yarn的启动:

     i.   先进入hadoop目录下

    ii.   ./sbin/start-all.sh

    iii.   jps发现有ResourceManager进程,说明yarn启动完成

  b)  Spark的启动:

    i.   先进入spark目录下

    ii.   ./sbin/start-all.sh

    iii.   jps主节点发现有Master进程,jps从节点有Worker进程,说明spark启动完成

  c)      Spark监控页面,我就不测试了,一般都是masterIP:8080,如有打不开监控页面的问题也是防火墙没有被禁用的问题,请参看我的博文《Hadoop环境搭建过程中可能遇到的问题》 里面的问题2有详细说明。

7、至此,Spark On Yarn的集群搭建完成。

原创文章,作者:kepupublish,如若转载,请注明出处:https://blog.ytso.com/193285.html

(0)
上一篇 2021年11月15日
下一篇 2021年11月15日

相关推荐

发表回复

登录后才能评论