【Spark】---- 在Linux集群上安装和配置Spark

1 安装JDK

1） 进入JDK官网
2） 下载JDK安装包
3）配置环境变量，在/etc/profile增加以下代码

JAVA_HOME=/home/hadoop/jdk1.6.0_38 PATH=$JAVA_HOME/bin:$PATH CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/jre/lib/dt.jar:$JAVA_HOME/jre/lib/tools.jar export JAVA_HOME PATH CLASSPATH

4）使profile文件更新生效

source /etc/profile

2 安装Scala
Scala 官网提供各个版本的Scala，用户需要根据Spark官方规定的Scala版本进行下载和安装。Scala官网地址为http://www.scala-lang.org/
1） 下载Scala
2）在目录下解压

tar -zxvf scala-2.10.4.tgz

3）配置环境变量，在/etc/profile中添加下面的内容

export SCALA__HOME=/home/hadoop/scala-2.10.4/scala-2.10.4 export PATH=${SCALA_HOME}/bin:$PATH

4）使用profile文件更新生效

source /etc/profile

3 配置SSH免密码登录
在集群管理和配置中有很多工具可以使用。例如，可以采用pssh等Linux工具在集群中分发与复制文件，用户也可以自己书写Shell、Python的脚步分发包。
Spark的Master节点向Worker节点命令需要通过ssh进行发送，用户不希望Master每发送一次命令就输入一次密码，因此需要实现Master无密码登陆到所有Worker。
Master作为客户端，要实现无密码公钥认证，连接服务端Worker。需要在Master上生成一个秘钥对，包括一个公钥和一个私钥，然后将公钥复制到Worker上。当Master通过ssh连接Worker

1）在Master节点上，执行以下命令

ssh-keygen-trsa

2）打印日志执行以下命令

如果是root用户，则在/root/.ssh/目录下生成一个私钥id_rsa和一个公钥id_rsa.pub。

把Master上的id_rsa.pub文件追加到Worker的authorized_keys内。
3）复制Master的id_rsa.pub文件

scp id_rsa.pub root@172.20.14.144:/home /*可使用pssh对全部节点分发*/

4）登录worker节点，执行以下命令

cat /home/id_rsa.pub >> /root/.ssh/authorized_keys /*可使用pssh对全部节点分发*/

注意：配置完毕，如果Master仍然不能访问Worker，可以修改Worker的authorized_keys文件的权限，命令为 chmod 600 authorized_keys

4安装Hadoop
（1）下载hadoop-2.2.0

1）选取一个Hadoop镜像网址，下载Hadoop

wget http://www.trieuvan.com/apache/hadoop/common/hadoop-2.2.0/hadoop-2.2.0.tar.gz

2）解压tar包

tar -vxzf hadoop-2.2.0.tar.gz -C /usr/local cd /usr/local mv hadoop-2.2.0 hadoop chown -R hduser:hadoop hadoop

（2）配置Hadoop环境变量
1）编辑profile文件

vi /etc/profile

2）在profile文件中增加以下内容

export JAVA_HOME=/usr/lib/jvm/jdk/ export HADOOP_INSTALL=/usr/local/hadoop export PATH=$PATH:$HADOOP_INSTALL/bin export PATH=$PATH:$HADOOP_INSTALL/sbin export HADOOP_MAPRED_HOME=$HADOOP_INSTALL export HADOOP_COMMON_HOME=$HADOOP_INSTALL export HADOOP_HDFS_HOME=$HADOOP_INSTALL export YARN_HOME=$HADOOP_INSTALL

（3）编辑配置文件

1）进入Hadoop所在目录
2）配置hadoop-env.sh文件

export JAVA_HOME=/usr/lib/jvm/jdk/

3）配置core-site.xml文件

<configuration> /*这里的值指的是默认的HDFS路径*/ <property> <name>fs.defaultFS</name> <value>hdfs://Master:9000</value> </property> /*缓冲区大小: io.file.buffer.size默认是4KB*/ <property> <name>io.file.buffer.size</name> <value>131072</value> </property> /*临时文件夹路径*/ <property> <name>hadoop.tmp.dir</name> <value>file:/home/tmp</value> <description> Abase for other temporary directories </description> </property> <property> <name>hadoop.proxyuser.hduser.hosts</name> <value>*</value> </property> <property> <name>hadoop.proxyuser.hduser.groups</name> <value>*</value> </property> </configuration>

4） 配置yarn-site.xml文件

<configuration> <property> <name>yarn.nodemanager.aux-services</value> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> <value>org.apache.hadoop.mapred.ShuffleHandler</value> </property> /*resourceManager的地址*/ <property> <name>yarn.resourcemanager.address</name> <value>Master:8030</value> </property> /*调度器的端口*/ <property> <name>yarn.resourcemanager.scheduler.address</name> <value>Master1:8030</value> </property> /*resource-tracker端口*/ <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>Master:8031</value> /*resourcemanager管理器端口*/ <property> <name>yarn.resourcemanager.admin.address</name> <value>Master:8033</value> </property> /*ResourceManager 的Web端口、监控 job 的资源调度*/ <property> <name>yarn.resourcemanager.webapp.address</name> <value>Master:8088</value> </property> </configuration>

5）配置mapred-site.xml文件

<configuration> /*hadoop对map-reduce运行矿建一共提供了3种实现，在mapred-site.xml中通过“mapreduce.framework.name”这个属性来设置为"classic"."yarn"或者“local”*/ <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> /*MapReduce JobHistory Server地址*/ <property> <name>mapreduce.jobhistory.address</name> <value>Master:10020</value> </property> /*MapReduce JobHistory Server web UI 地址*/ <property> <name>mapreduce.jobhistory.webapp.address</name> <value>Master:19888</value> </property> </configuration>

（4）创建namenode和datanode目录，并配置其相应路径
1）创建namenode和datanode目录，

mkdir /hdfs/namenode mkdir /hdfs/datanode

2）执行命令后，再次回到目录，配置hdfs-site.xml文件，在文件中添加如下内容

<configuration> /*配置主节点名和端口*/ <property> <name>dfs.namenode.secondary.http-address</name> <value>Master:9001</value> </property> /*配置从节点和端口号*/ <property> <name>dfs.namenode.name.dir</name> <value>file:/hdfs/namenode</value> </property> /*配置datanode的数据存储目录*/ <property> <name>dfs.datanode.data.dir</name> <value>file:/hdfs/datanode</value> </property> /*配置副本数*/ <property> <name>dfs.replication</name> <value>3</value> </property> /*将dfs.webhdfs.enabled属性设置为true,否则就不能使用webhdfs的LISTSTATUS，LISTFILESTATUS等需要列出文件，文件夹状态的命令，因为这些信息都是由namenode保存的*/ <proeprty> <name>dfs.webhdfs.enabled</name> <value>true</value> </property> </configuration>

（5）配置Master和Slave文件
1）Master文件负责配置主节点的主机名

Master /*Master为主节点主机名*/

2）配置Slaves文件添加从节点主机名

/*Slave为从节点主机名*/ Slave1 Slave2 Slave3 Slave4 Slave5

（6）将Hadoop所有文件通过pssh发送到各个节点

./pssh -h hosts.txt -r /hadoop /

（7）格式化Namenode（在Hadoop根目录下）
./bin/hadoop namenode -format

（8）启动Hadoop

./sbin/start-all.sh

（9）查看是否配置和启动成功

jps DataNode ResourceManager Jps NodeManager NameNode SecondaryNameNode

ps-aux|grep *DataNode* /*查看DataNode进程*/

5 安装Spark

1）下载spark
2）解压
3）配置

编辑conf/Spark-env.sh文件，加入下面的配置参数

export SCALA_HOME=/paht/to/scala-2.10.4 export SPARK_WORKER_MEMORY=7g export SPARK_MASTER_IP=172.16.0.140 export MASTER=spark://172.16.0.140:7077

4）配置slaves文件
编辑conf/slaves文件，以5个Worker节点为例，将节点的主机名加入slaves文件中

Slave1 Slave2 Slave3 Slave4 Slave5

6 启动集群

（1）Spark启动与关闭
1）在Spark根目录启动Spark
./sbin/start-all.sh
2）关闭Spark
./sbin/stop-all.sh

（2）Hadoop的启动与关闭
1）在Hadoop根目录启动Hadoop
2）关闭Hadoop

（3）检测是否安装成功
1）正常状态下的Master节点如下。
2）利用ssh登录Worker节点