spark1.6分布式集群环境搭建

1. 概述

本文是对spark1.6.0分布式集群的安装的一个详细说明，旨在帮助相关人员按照本说明能够快速搭建并使用spark集群。

 

2. 安装环境

本安装说明的示例环境部署如下：

IP	外网IP	hostname	备注
10.47.110.38	120.27.153.137	iZ237654q6qZ	Master、Slaver
10.24.35.51	114.55.56.190	iZ23pd81xqaZ	Slaver
10.45.53.136	114.55.11.55	iZ23mr5ukpzZ	Slaver
10.24.35.76	114.55.56.228	iZ23v8c9mqpZ	Slaver

各软件版本：

Java：jdk-8u60-linux-x64.tar.gz
Scala：2.10.4
Spark：1.6.0
Hadoop：CDH-5.4.5-1.cdh5.4.5.p0.7

 

3. 安装前准备

3.1 在每台机添加hosts（root用户）

修改文件/etc/hosts（或者/etc/sysconfig/network），添加以下内容：

10.47.110.38       iZ237654q6qZ

10.24.35.51          iZ23pd81xqaZ

10.45.53.136       iZ23mr5ukpzZ

10.24.35.76          iZ23v8c9mqpZ

注意：主机名必须和hosts文件中的名称保持一致！   

 

3.2 每个spark节点上创建一个用户（root用户）

# adduser spark

# passwd spark

密码统一设为：spark



3.3 每台机安装java（root用户）

3.3.1 下载java

下载地址：http://www.oracle.com/technetwork/java/javase/downloads/java-archive-javase8-2177648.html#jdk-8u60-oth-JPR

 

3.3.2 解压到指定目录

# tar -zxvf jdk-8u60-linux-x64.tar.gz -C /usr/local/



         建立软链接以方便以后更改java版本

         # ln -sf/usr/local/jdk1.8.0_60/ /usr/local/jdk



3.3.3 配置环境变量

更改全局配置文件/etc/profile

# vim /etc/profile

在文件最后添加：

export JAVA_HOME=/usr/local/jdk         //添加java home

export PATH=.:$JAVA_HOME/bin:$PATH                 //将scala路径添加进环境变量



注意：在修改完profile后，需要输入以下命令进行更新，否则不会立即生效：

       # source /etc/profile

 

3.3.4 验证

输入java -version验证是否已配置成功

# java -version



 

3.4 每台机安装scala（root用户）

3.4.1 下载scala

下载地址：http://www.scala-lang.org/download/2.10.4.html

 

3.4.2 解压到指定目录

# tar -zxvf scala-2.10.4.tgz -C /usr/local/



建立软链接以方便以后更改scala版本

# ln -sf /usr/local/scala-2.10.4/ /usr/local/scala



 

3.4.3 配置环境变量


更改全局配置文件/etc/profile

# vim /etc/profile

在JAVA_HOME最后添加：

export SCALA_HOME=/usr/local/scala           //添加scala home

更改path路径，添加scala环境

export PATH=.:$JAVA_HOME/bin: $SCALA_HOME/bin:$PATH               //将scala路径添加进环境变量



注意：在修改完profile后，需要输入以下命令进行更新，否则不会立即生效：

       # source /etc/profile

 

3.4.4 验证

输入scala -version验证是否已配置成功

# scala -version



 

3.5 每台机安装ssh并配置无密码连接（安装openssh使用root，其他使用spark）

3.5.1 安装openssh

# yum install -y openssh-server



注意：从这里开始使用spark用户，执行命令su - spark切换到spark用户

3.5.2 生成密钥

# ssh-keygen -t rsa -P ''（然后回车）

执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）



 

3.5.3 分享公钥到其他主机


在每台机上将公钥拷贝到要免登陆的机器上

            # ssh-copy-id iZ237654q6qZ

            # ssh-copy-id iZ23pd81xqaZ

            # ssh-copy-id iZ23mr5ukpzZ

            # ssh-copy-id iZ23v8c9mqpZ



 

3.5.4 验证是否免密码


输入以下命令，如果没有提示输入密码就直接登入，则配置成功：

         # ssh iZ23mr5ukpzZ



验证成功后退出登录：

         # exit



3.6 每台机关闭防火墙等服务（root）

# service iptables stop

# chkconfig iptables off                     //关闭开机启动防火墙

 

 

4 spark部署（spark用户）

4.1 下载spark

下载地址：http://mirrors.hust.edu.cn/apache/spark/spark-1.6.0/spark-1.6.0-bin-hadoop2.6.tgz

 

4.2 配置spark环境变量

解压到/home/spark目录

            $ tar -zxvfspark-1.6.0-bin-hadoop2.6.tgz

            建立软链接

            $ ln -sf spark-1.6.0-bin-hadoop2.6spark



配置环境变量，编辑/home/spark目录下的bash_profile

$ vim ~/.bash_profile

添加以下两行（如果原来里面最后有path相关的两行，先删掉）：

export SPARK_HOME=/home/spark/spark

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



配置完成后同样的source以下，使之生效

$ source ~/.bash_profile

 

4.3 配置spark

首先新建好spark用到的目录（使用root用户，只有这里使用root用户，每台机）：

$ mkdir /data                   //存储数据的总目录

$ mkdir /data/spark                  //spark数据存储主目录

$ mkdir /data/spark/local       //spark存储本地数据的目录

$ mkdir /data/spark/log          //spark存储日志的目录

$ mkdir /data/spark/work      //spark存储worker日志等信息的目录

$ chmod -R 777 /data/            //将/data目录权限设置为最大



 

4.3.1 配置spark-env.sh

       Spark-env.sh文件中配置了spark运行时的一些环境、依赖项以及master和slaver的资源配置。        

$ cd spark              //进入spark目录        

$ cp conf/spark-env.sh.template conf/spark-env.sh              //将spark-env.sh.template复制一份为spark-env.sh


 

因为我们是部署standalone模式，可以参考配置文件中注释项的提示：







添加以下内容：

配置项	说明
SPARK_LOCAL_IP= 10.47.110.38	本机ip或hostname（不同主机配置不同）
SPARK_LOCAL_DIRS=/data/spark/local	配置spark的local目录
SPARK_MASTER_IP= 10.47.110.38	master节点ip或hostname
SPARK_MASTER_WEBUI_PORT=8080	web页面端口
SPARK_WORKER_CORES=2	Worker的cpu核数
SPARK_WORKER_MEMORY=8g	worker内存大小
SPARK_WORKER_DIR=/data/spark/work	worker目录
export SPARK_MASTER_OPTS="-Dspark.deploy.defaultCores=4"	spark-shell启动使用核数
export SPARK_WORKER_OPTS="-Dspark.worker.cleanup.enabled=true -Dspark.worker.cleanup.appDataTtl=604800"	worker自动清理及清理时间间隔
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://systex/user/spark/applicationHistory"	history server页面端口、备份数、log日志在HDFS的位置（注意，需要在HDFS上新建对应的路径）
SPARK_LOG_DIR=/data/spark/log	配置Spark的log日志目录
export JAVA_HOME=/usr/local/jdk/	配置java路径
export SCALA_HOME=/usr/local/scala/	配置scala路径
export HADOOP_HOME=/opt/cloudera/parcels/CDH/lib/hadoop	配置hadoop的lib路径
export HADOOP_CONF_DIR=/etc/hadoop/conf	配置hadoop的配置路径

 

4.3.2 配置spark-defaults.conf

Spark-default.conf文件中主要配置的是与在spark上运行任务有关的一些参数，以及对executor等的配置。



添加以下内容：

配置项	说明
spark.eventLog.enabled  true	eventLog是否生效（建议开启，可以对已完成的任务记录其详细日志）
spark.eventLog.compress  true	eventLog是否启用压缩（cpu性能好的情况下建议开启，以减少内存等的占用）
spark.eventLog.dir     hdfs://systex/user/spark/applicationHistory	eventLog的文件存放位置，与spark-env.sh中的history server配置位置一致
spark.broadcast.blockSize       8m	广播块大小
spark.executor.cores    1	Executor的cpu核数
spark.executor.memory   512m	Executor的内存大小
spark.executor.heartbeatInterval        20s	Executor心跳交换时间间隔
spark.files.fetchTimeout        120s	文件抓取的timeout
spark.task.maxFailures  6	作业最大失败次数（达到此次数后，该作业不再继续执行，运行失败）
spark.serializer        org.apache.spark.serializer.KryoSerializer	设置序列化机制（默认使用java的序列化，但是速度很慢，建议使用Kryo）
spark.kryoserializer.buffer.max         256m	序列化缓冲大小
spark.akka.frameSize    128	Akka调度帧大小
spark.default.parallelism    20	默认并行数
spark.network.timeout   300s	最大网络延时
spark.speculation       true	Spark推测机制（建议开启）

4.3 配置slaves

在conf目录下有slaves文件，在其中配置slaves的hostname

$ cp conf/slaves.template conf/slaves

$ vim conf/slaves



添加各个slave节点的hostname：



至此，我们就将spark需要配置的东西全部配置完成，将spark整个目录复制到其他主机：

            $scp -r /home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23pd81xqaZ:/home/spark/

            $scp -r /home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23mr5ukpzZ:/home/spark/

$ scp -r/home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23v8c9mqpZ:/home/spark/

 

在相应的主机创建对应的spark软链接，并将spark-env.sh中SPARK_LOCAL_IP改为对应的ip即可。

 

 

5. 启动spark并测试（spark用户）

现在我们启动spark，在master节点执行以下命令：

$ cd /home/spark/spark

$ ./sbin/start-all.sh                    //启动master和slaves

$ ./sbin/start-history-server.sh        //启动history server

使用jps命令查看是否成功启动：

检查进程是否启动【在master节点上出现“Master”，在slave节点上出现“Worker”】





## 监控页面URL http:// 120.27.153.137:8080/



运行spark-pi：

spark-submit  --master spark://10.47.110.38:7077 --classorg.apache.spark.examples.SparkPi --name Spark-Pi /home/spark/spark/lib/spark-examples-1.6.0-hadoop2.6.0.jar

能看到如下结果：





成功！