Spark集群安装之——Zookeeper+Kafka 安装教程

1、安装和配置Zookeeper

1) 下载Zookeeper

进入http://www.apache.org/dyn/closer.cgi/zookeeper/，你可以选择其他镜像网址去下载，用官网推荐的镜像：http://mirror.bit.edu.cn/apache/zookeeper/

下载zookeeper-3.4.6.tar.gz

2) 安装Zookeeper

提示：下面的步骤发生在Master服务器。

以ubuntu14.04举例，把下载好的文件放到/root目录，用下面的命令解压：

cd /root
tar -zxvf zookeeper-3.4.6.tar.gz

解压后在/root目录会多出一个zookeeper-3.4.6的新目录，用下面的命令把它剪切到指定目录即安装好Zookeeper了：

cd /root
mv zookeeper-3.4.6 /usr/local/spark

之后在/usr/local/spark目录会多出一个zookeeper-3.4.6的新目录。下面我们讲如何配置安装好的Zookeeper。

3) 配置Zookeeper

提示：下面的步骤发生在master服务器。

a. 配置.bashrc

打开文件：

vi /root/.bashrc

在PATH配置行前添加：

export ZOOKEEPER_HOME=/usr/local/spark/zookeeper-3.4.6

最后修改PATH：

export PATH=${JAVA_HOME}/bin:${ZOOKEEPER_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:${SPARK_HOME}/sbin:${HIVE_HOME}/bin:${KAFKA_HOME}/bin:$PATH

使配置的环境变量立即生效：source /root/.bashrc

b. 创建data目录

cd $ZOOKEEPER_HOME

mkdir data

c. 创建并打开zoo.cfg文件

cd $ZOOKEEPER_HOME/conf
cp zoo_sample.cfg zoo.cfg
vi zoo.cfg

d. 配置zoo.cfg

# 配置Zookeeper的日志和服务器身份证号等数据存放的目录。
# 千万不要用默认的/tmp/zookeeper目录，因为/tmp目录的数据容易被意外删除。
dataDir=../data
# Zookeeper与客户端连接的端口
clientPort=2181
# 在文件最后新增3行配置每个服务器的2个重要端口：Leader端口和选举端口
# server.A=B：C：D：其中 A 是一个数字，表示这个是第几号服务器；
# B 是这个服务器的hostname或ip地址；
# C 表示的是这个服务器与集群中的 Leader 服务器交换信息的端口；
# D 表示的是万一集群中的 Leader 服务器挂了，需要一个端口来重新进行选举，
# 选出一个新的 Leader，而这个端口就是用来执行选举时服务器相互通信的端口。
# 如果是伪集群的配置方式，由于 B 都是一样，所以不同的 Zookeeper 实例通信
# 端口号不能一样，所以要给它们分配不同的端口号。
server.1=Master:2888:3888
server.2=Worker1:2888:3888
#server.3=Worker2:2888:3888

e. 创建并打开myid文件

-   cd $ZOOKEEPER_HOME/data
-   touch myid
-   vi myid

f. 配置myid

按照zoo.cfg的配置，myid的内容就是1。

4) 同步master的安装和配置到slave1和slave2

在master服务器上运行下面的命令

cd /root
scp ./.bashrc root@slave1:/root
scp ./.bashrc root@slave2:/root
cd /usr/local/spark
scp -r ./zookeeper-3.4.6 root@slave1:/usr/local/spark
scp -r ./zookeeper-3.4.6 root@slave2:/usr/local/spark

在slave1服务器上运行下面的命令

vim $ZOOKEEPER_HOME/data/myid

按照zoo.cfg的配置，myid的内容就是2。

- 在slave2服务器上运行下面的命令

vim $ZOOKEEPER_HOME/data/myid

按照zoo.cfg的配置，myid的内容就是3。

5) 启动Zookeeper服务

- 在Master服务器上运行下面的命令

zkServer.sh start

在slave1服务器上运行下面的命令

source /root/.bashrc

zkServer.sh start

- 在slave1服务器上运行下面的命令

source /root/.bashrc
zkServer.sh start

6) 验证Zookeeper是否安装和启动成功

在master服务器上运行命令：jps和zkServer.sh status

root@Master:/usr/local/spark/zookeeper-3.4.6/bin# jps
3844 QuorumPeerMain
4790 Jps
zkServer.sh status
root@Master:/usr/local/spark/zookeeper-3.4.6/bin# zkServer.sh status
JMX enabled by default
Using config: /usr/local/spark/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: follower

在Worker1服务器上运行命令：jps和zkServer.sh status

root@Worker1:/usr/local/spark/zookeeper-3.4.6/bin# jps
4073 Jps
3277 QuorumPeerMain
root@Worker1:/usr/local/spark/zookeeper-3.4.6/bin# zkServer.sh status
JMX enabled by default
Using config: /usr/local/spark/zookeeper-3.4.6/bin/../conf/zoo.cfg
Mode: leader //可以看到这个服务器被选举为leader

至此，代表Zookeeper已经安装和配置成功。

2、安装和配置Kafka

1) 下载Kafka

进入http://kafka.apache.org/downloads.html，左键单击kafka_2.10-0.9.0.1.tgz。

2) 安装Kafka

提示：下面的步骤发生在master服务器。

以ubuntu14.04举例，把下载好的文件放到/root目录，用下面的命令解压：

cd /root
tar -zxvf kafka_2.10-0.9.0.1.tgz

解压后在/root目录会多出一个kafka_2.10-0.9.0.1的新目录，用下面的命令把它剪切到指定目录即安装好Kafka了：

cd /root
mv kafka_2.10-0.9.0.1 /usr/local

之后在/usr/local目录会多出一个kafka_2.10-0.9.0.1的新目录。下面我们讲如何配置安装好的Kafka。

把jar包slf4j-nop-1.7.6.jar拷入到Kafka的libs里面，可以让Kafka后台运行！命令后面的&生效 。否则不生效。

3) 配置Kafka

提示：下面的步骤发生在master服务器。

a. 配置.bashrc

打开文件：vi /root/.bashrc

在PATH配置行前添加：

export KAFKA_HOME=/usr/local/kafka_2.10-0.9.0.1

最后修改PATH：

export PATH=${JAVA_HOME}/bin:${ZOOKEEPER_HOME}/bin:${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:${SPARK_HOME}/sbin:${HIVE_HOME}/bin:${KAFKA_HOME}/bin:$PATH

使配置的环境变量立即生效：

source /root/.bashrc

b. 打开server.properties

cd $ZOOKEEPER_HOME/config
vi server.properties

c. 配置server.properties

broker.id=0
port=9092
zookeeper.connect=master:2181,slave1:2181,slave2:2181

注意：2181就是和Zookeeper通信的端口。 因为在Zookeeper里面 有个配置为：clientPort = 2181

再备注： Zookeeper中的配置 server.0 = Master:2888:3888 其中一个端口用于通信，另一个端口用于选举！

4) 同步master的安装和配置到slave1和slave2

在master服务器上运行下面的命令

cd /root

scp ./.bashrc root@slave1:/root

scp ./.bashrc root@slave2:/root

cd /usr/local

scp -r ./kafka_2.10-0.9.0.1 root@slave1:/usr/local

scp -r ./kafka_2.10-0.9.0.1 root@slave2:/usr/local

在slave1服务器上运行下面的命令

vi $KAFKA_HOME/config/server.properties

修改broker.id=1。

在slave2服务器上运行下面的命令

vi $KAFKA_HOME/config/server.properties

修改broker.id=2。

5) 启动Kafka服务

在master服务器上运行下面的命令

cd $KAFKA_HOME/bin
kafka-server-start.sh ../config/server.properties &

在slave1服务器上运行下面的命令

source /root/.bashrc
cd $KAFKA_HOME/bin
kafka-server-start.sh ../config/server.properties &

在slave2服务器上运行下面的命令

source /root/.bashrc
cd $KAFKA_HOME/bin
kafka-server-start.sh ../config/server.properties &

6) 验证Kafka是否安装和启动成功（话题、生产者、消费者）

- 在任意服务器上运行命令创建Topic“HelloKafka”：

kafka-topics.sh –create –zookeeper master:2181,slave1:2181,slave2:2181 –replication-factor 3 –partitions 1 –topic HelloKafka

kafka-topics.sh --create --zookeeper Master:2181,Worker1:2181 --replication-factor 2 --partitions 1 --topic HelloKafka

注意：create 用的2181端口；

在任意服务器上运行命令为创建的Topic“HelloKafka”生产一些消息：

kafka-console-producer.sh –broker-list master:9092,slave1:9092,slave2:9092 –topic HelloKafka

kafka-console-producer.sh --broker-list Master:9092, Worker1:9092 --topic HelloKafka

注意：producer 用的9092端口；发给Kafka，Kafka用的端口号是9092。

输入下面的消息内容：

This is DT_Spark!

I’m Rocky!

Life is short, you need Spark!

- 在任意服务器上运行命令从指定的Topic“HelloKafka”上消费（拉取）消息：

kafka-console-consumer.sh –zookeeper master:2181,slave1:2181,slave2:2181 –from-beginning –topic HelloKafka

2181就是和Zookeeper通信的端口

kafka-console-consumer.sh --zookeeper Master:2181, Worker1:2181 --from-beginning --topic HelloKafka

注释：from-beginning

过一会儿，你会看到打印的消息内容：

This is DT_Spark!

I’m Rocky!

Life is short, you need Spark!

- 在任意服务器上运行命令查看所有的Topic名字：

kafka-topics.sh –list –zookeeper master:2181,slave1:2181,slave2:2181

- 在任意服务器上运行命令查看指定Topic的概况：

kafka-topics.sh –describe –zookeepermaster:2181,slave1:2181,slave2:2181 –topic HelloKafka

至此，代表Kafka已经安装和配置成功。

升级测试：

测试Kafka 的大吞吐量。可以用更大的数据！！

在某个目录用hadoop dfs –get /library/…./read.me 可以把hdfs上的文件下载到这个目录。

拷贝6万行数据进入，那样 zerocopy 基本没延迟！！！

flume接上Kafka ，直接把文件扔给flume，flume接上Kafka，消费者就能直接拿到数据。

备注:

Zookeeper和大数据没关系，也可以用于JavaEE

传输数据以broker为单位。指定了Master:9092, Worker1:9092。