Spark Standalone模式伪分布式环境搭建

前提：安装好jdk1.7，hadoop

安装步骤：

[b]1、安装scala[/b]

下载地址：http://www.scala-lang.org/download/

配置环境变量：

export SCALA_HOME=/..../scala

export PATH=.:$SCALA_HOME/bin ....

验证：scala -version

[b]2、安装spark[/b]

使用自己编译过的对应自己hadoop的spark

配置环境变量：

export SPARK_HOME=/.../spark

export PATH=.:$SPARK_HOME/bin ....

修改spark配置文件：

1）$SPARK_HOME/conf/spark-env.sh

export SPARK_MASTER_IP=hadoop000
export SPARK_WORKER_CORES=1 #WorkNode分出几核给spark使用
export SPARK_WORKER_INSTANCES=1 #WorkNode使用几个spark实例，一般一个就行了
export SPARK_WORKER_MEMORY=1G #WorkNode分出多少内存给spark使用
export SPARK_WORKER_PORT=8888 #指定spark运行时的端口号
2）$SPARK_HOME/conf/slave.sh

配置worknode节点hostname，一行配置一个

3）$SPARK_HOME/conf/spark-defaults.conf （可选配置）

参数配置参见：http://spark.apache.org/docs/latest/configuration.html

spark.master spark://hadoop000:7077
spark.local.dir /home/spark/spark_shuffle/ #配置spark shuffle数据存放路径
spark.executor.memory 1g

[b]3、启动spark[/b]

$SPARK_HOME下的sbin和bin说明：
sbin：存放的是启动和停止spark集群等的命令；
bin：存放的是应用程序（spark-shell）启动和停止等的命令。

启动spark集群（sbin目录下）：start-all.sh

启动后浏览器访问：http://hadoop000:8080/

注：hadoop000为hostname，配置的属性可以在4040端口查看到，形如：http://hadoop000:4040/environment/

启动spark-shell（bin目录下）：

1）单机启动方式：spark-shell

2）集群启动方式：

spark-shell --master spark://hadoop000:7077

默认情况下Application的Memory是512M，申请所有的CPU资源；

指定executor的memory和cpu core数：spark-shell --master spark://hadoop000:7077 --executor-memory 2g --total-executor-cores 1

注意：executor-memory是每个executor占用的，而executor-cores是所有executor一共占用

具体参数配置的来源：SparkSubmit.scala中的options属性

为了启动方便起见，可以将master配置到spark-defaults.conf中

spark.master spark://hadoop000:7077

再启动spark-shell时，只需要： spark-shell

如果要指定参数，则使用：spark-shell --executor-memory 2g --total-executor-cores 1

详细信息参见官方文档：http://spark.apache.org/docs/latest/spark-standalone.html#installing-spark-standalone-to-a-cluster