大数据技术——spark集群搭建

目录

spark概述

spark集群搭建

1.Spark安装

2.环境变量配置

3.Spark集群配置

4.启动Spark集群

存在问题及解决方案

请参考以下文章 

---

spark概述

Spark是一个开源的大数据处理框架，它可以在分布式计算集群上进行高效的数据处理和分析。Spark的特点是速度快、易用性高、支持多种编程语言和数据源。Spark的核心是基于内存的计算模型，可以在内存中快速地处理大规模数据。Spark支持多种数据处理方式，包括批处理、流处理、机器学习和图计算等。Spark的生态系统非常丰富，包括Spark SQL、Spark Streaming、MLlit
GraphX等组件，可以满足不同场景下的数据处理需求。

spark集群搭建

在部署spark集群时，我们知道有三种：

一种是本地模式，一种是Standalone 集群，还有一种是云端。

1.Spark安装

首先我们需要在master节点上进行Spark的安装。

其中1台机器（节点）作为Master节点，主机名为hadoop1,另外两台机器（节点）作为Slave节点（即作为Worker节点），主机名分别为hadoop2和hadoop3。

在Master节点机器上，访问Spark官方下载地址Downloads | Apache Spark，按照如下图下载:

 

 

我们选择2.1.0的版本，也可以选择其他的版本，但是需要注意的是，如果你选择的Spark版本过高，可能导致无法与你的hadoop版本适配。

完成下载后，进行如下的命令行操作，和hadoop安装时十分类似。

$ tar -zxvf scala.2.11.8.tgz  #解压到当前路径

 

 

 

$ cd /usr/local

$ sudo mv ./spark-2.1.0-bin-without-hadoop/ ./spark #重命名

 

 

spark安装与上述Scala步骤一致

2.环境变量配置

同样在master机器上，打开bashrc文件进行环境变量配置。

$ vim ~/.bashrc

在文件中添加如下内容

export PATH=$PATH:/usr/local/scala/bin并使其生效。

保存文件并退出vim编辑器，执行如下命令让改环境变量生效：

$ source ~/.bashrc

设置好后，可以使用Scala命令来检验一下是否设置正确：

$ scala

 

输入scala命令以后，屏幕上会显示Scala和java版本信息，并进入“scala>”提示符状态，这时就可以开始使用Scala解释器了，可以输入scala语句来调试scala代码。

3.Spark集群配置

进入到/usr/local/spark的conf路径下，进行以下文件的配置。

a)配置slaves文件

但是由于其开始并没有这个文件，而只有slaves.template文件，所以我们需要先拷贝重命名一下。

$ cd /usr/local/spark/conf/

$ cp ./slaves.template ./slaves

 

 

然后打开这个slaves文件，并将默认的localhost替换相应的两个slave结点：

hadoop2

hadoop3

分别在三台虚拟机上修改slaves文件：

hadoop1：

 

 

hadoop2：

 

 

hadoop3：

 

b)配置spark-env.sh文件

同样的，我们需要先将template文件拷贝重命名。

将 spark-env.sh.template 拷贝到 spark-env.sh

$ cp ./spark-env.sh.template ./spark-env.sh

然后在文件中添加如下内容

export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)

export SPAEK_MASTER_HOST=hadoop1

export SPARK_MASTER_PORT=7077

export SPARK_MASTER_WEBUI_PORT=8080

export SPARK_WORKER_MEMORY=1g

export SPARK_WORKER_CORES=1

export SPARK_WORKER_INSTANCES=1

export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop分别在三台虚拟机上修改spark-env.sh文件：

hadoop1：

 

 

hadoop2：

 

 

hadoop3：

 

 

c)集群规划

节点	spark节点	hadoop节点
hadoop1	master worker	datanode namenode secondarynamenode(hadoop) resourcemanager nodemanager(yarn)
hadoop2	worker	datanode nodemanager
hadoop3	worker	datanode nodemanager

4.启动Spark集群

因为我们的Spark是基于hadoop来运行的，因此我们首先需要将hadoop启动起来。

启动Hadoop集群

 

在master机器上运行如下指令启动hadoop集群

$ cd /usr/local/hadoop/

$ sbin/start-all.sh

hadoop1：

 

 

hadoop2：

 

 

hadoop3：

 

 

启动spark集群

然后我们再再master机器上启动Spark的master进程。

$ cd /usr/local/spark/

$ sbin/start-master.sh

使用jps命令查看master机器上的进程情况，结果如下。

hadoop1：

 

 

我们发现，除了hadoop的相关进程之外，还多了一个Master进程,证明master节点已经成功启动。

然后我们同样在master机器上再启动worker进程。

用以下命令启动所有的slave节点

$ sbin/start-slaves.sh

hadoop1：

 

分别在hadoop2、hadoop3节点上运行jps命令，可以看到多了个Worker进程

hadoop2：

 

 

hadoop3：

 

 

 我们发现，同样的除了hadoop的相关进程，多出来一个Worker进程，证明worker节点也已经成功启动。

在浏览器上查看Spark独立集群管理器的集群信息

在master主机上打开浏览器，

分别访问http://192.168.43.33:50070,如下图：

 

 

 

分别访问http://192.168.43.33:8080,如下图：

 

 

$ spark-shell  #进入shell

 

 

关闭spark集群

①关闭master节点

$ sbin/stop-master.sh

②关闭worker节点

$ sbin/stop-slaves.sh

③关闭Hadoop集群

$ cd /usr/local/hadoop/

$ sbin/stop-all.sh

 

 

存在问题及解决方案

请参考以下文章 

大数据技术——搭建spark集群出现的问题_肉肉肉肉肉肉~丸子的博客-CSDN博客