Spark On YARN 集群安装部署
2016-05-26 00:00
579 查看
摘要: Spark 集群部署的过程。我们知道 Spark 官方提供了三种集群部署方案: Standalone, Mesos, YARN。其中 Standalone 最为方便,本文主要讲述结合 YARN 的部署方案。后期会增加 messos.
软件环境:
Ubuntu 14.04.1 LTS (GNU/Linux 3.13.0-32-generic x86_64)
Hadoop: 2.6.0
Spark: 1.3.0
配置之后ping一下用户名看是否生效
在所有机器上都生成私钥和公钥
需要让机器间都能相互访问,就把每个机子上的
在master上,将所有公钥加到用于认证的公钥文件
将公钥文件
在每台机子上验证SSH无密码通信
如果登陆测试不成功,则可能需要修改文件authorized_keys的权限(权限的设置非常重要,因为不安全的设置安全设置,会让你不能使用RSA功能 )
在
修改环境变量
然后使环境变量生效,并验证 Java 是否安装成功
同样我们在
再次修改环境变量
同样的方法使环境变量生效,并验证 scala 是否安装成功
同样我们在
在
在
在
修改
修改
修改
修改
将配置好的
在每个slave上应该有以下几个进程:
或者在浏览器中输入 http://master:8088 ,应该有 hadoop 的管理界面出来了,并能看到 slave1 和 slave2 节点。
在
在
注:在设置Worker进程的CPU个数和内存大小,要注意机器的实际硬件条件,如果配置的超过当前Worker节点的硬件条件,Worker进程会启动失败。
将配置好的
在 slave 上应该有以下几个进程:
进入Spark的Web管理页面: http://master:8080
注意 Spark on YARN 支持两种运行模式,分别为
软件环境:
Ubuntu 14.04.1 LTS (GNU/Linux 3.13.0-32-generic x86_64)
Hadoop: 2.6.0
Spark: 1.3.0
0 写在前面
本例中的演示均为非 root 权限,所以有些命令行需要加 sudo,如果你是 root 身份运行,请忽略 sudo。下载安装的软件建议都放在 home 目录之上,比如~/workspace中,这样比较方便,以免权限问题带来不必要的麻烦。
1. 环境准备
修改主机名
我们将搭建1个master,2个slave的集群方案。首先修改主机名vi /etc/hostname,在master上修改为
master,其中一个slave上修改为
slave1,另一个同理。
配置hosts
在每台主机上修改host文件[code=plain]vi /etc/hosts 10.1.1.107 master 10.1.1.108 slave1 10.1.1.109 slave2
配置之后ping一下用户名看是否生效
[code=plain]ping slave1 ping slave2
SSH 免密码登录
安装Openssh server[code=plain]sudo apt-get install openssh-server
在所有机器上都生成私钥和公钥
[code=plain]ssh-keygen -t rsa #一路回车
需要让机器间都能相互访问,就把每个机子上的
id_rsa.pub发给master节点,传输公钥可以用scp来传输。
[code=plain]scp ~/.ssh/id_rsa.pub spark@master:~/.ssh/id_rsa.pub.slave1
在master上,将所有公钥加到用于认证的公钥文件
authorized_keys中
[code=plain]cat ~/.ssh/id_rsa.pub* >> ~/.ssh/authorized_keys
将公钥文件
authorized_keys分发给每台slave
[code=plain]scp ~/.ssh/authorized_keys spark@slave1:~/.ssh/
在每台机子上验证SSH无密码通信
[code=plain]ssh master ssh slave1 ssh slave2
如果登陆测试不成功,则可能需要修改文件authorized_keys的权限(权限的设置非常重要,因为不安全的设置安全设置,会让你不能使用RSA功能 )
[code=plain]chmod 600 ~/.ssh/authorized_keys
安装 Java
从官网下载最新版 Java 就可以,Spark官方说明 Java 只要是6以上的版本都可以,我下的是 jdk-7u75-linux-x64.gz.现在推荐的是1.8在
~/workspace目录下直接解压
[code=plain]tar -zxvf jdk-7u75-linux-x64.gz
修改环境变量
sudo vi /etc/profile,添加下列内容,注意将home路径替换成你的:
[code=plain]export WORK_SPACE=/home/spark/workspace/ export JAVA_HOME=$WORK_SPACE/jdk1.7.0_75 export JRE_HOME=/home/spark/work/jdk1.7.0_75/jre export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
然后使环境变量生效,并验证 Java 是否安装成功
[code=plain]$ source /etc/profile #生效环境变量 $ java -version #如果打印出如下版本信息,则说明安装成功 java version "1.7.0_75" Java(TM) SE Runtime Environment (build 1.7.0_75-b13) Java HotSpot(TM) 64-Bit Server VM (build 24.75-b04, mixed mode)
安装 Scala
Spark官方要求 Scala 版本为 2.10.x,注意不要下错版本,我这里下了 2.10.4同样我们在
~/workspace中解压
[code=plain]tar -zxvf scala-2.10.4.tgz
再次修改环境变量
sudo vi /etc/profile,添加以下内容:
[code=plain]export SCALA_HOME=$WORK_SPACE/scala-2.10.4 export PATH=$PATH:$SCALA_HOME/bin
同样的方法使环境变量生效,并验证 scala 是否安装成功
[code=plain]$ source /etc/profile #生效环境变量 $ scala -version #如果打印出如下版本信息,则说明安装成功 Scala code runner version 2.10.4 -- Copyright 2002-2013, LAMP/EPFL
安装配置 Hadoop YARN
下载解压
从官网下载 hadoop2.6.0 版本,这里给个我们学校的镜像下载地址。同样我们在
~/workspace中解压
tar -zxvf hadoop-2.6.0.tar.gz
配置 Hadoop
cd ~/workspace/hadoop-2.6.0/etc/hadoop进入hadoop配置目录,需要配置有以下7个文件:
hadoop-env.sh,
yarn-env.sh,
slaves,
core-site.xml,
hdfs-site.xml,
maprd-site.xml,
yarn-site.xml
在
hadoop-env.sh中配置JAVA_HOME
[code=plain]# The java implementation to use. export JAVA_HOME=/home/spark/workspace/jdk1.7.0_75
在
yarn-env.sh中配置JAVA_HOME
[code=plain]# some Java parameters export JAVA_HOME=/home/spark/workspace/jdk1.7.0_75
在
slaves中配置slave节点的ip或者host,
slave1 slave2
修改
core-site.xml
[code=plain]<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://master:9000/</value> </property> <property> <name>hadoop.tmp.dir</name> <value>file:/home/spark/workspace/hadoop-2.6.0/tmp</value> </property> </configuration>
修改
hdfs-site.xml
[code=plain]<configuration> <property> <name>dfs.namenode.secondary.http-address</name> <value>master:9001</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/home/spark/workspace/hadoop-2.6.0/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/home/spark/workspace/hadoop-2.6.0/dfs/data</value> </property> <property> <name>dfs.replication</name> <value>3</value> </property> </configuration>
修改
mapred-site.xml
[code=plain]<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration>
修改
yarn-site.xml
[code=plain]<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name> <value>org.apache.hadoop.mapred.ShuffleHandler</value> </property> <property> <name>yarn.resourcemanager.address</name> <value>master:8032</value> </property> <property> <name>yarn.resourcemanager.scheduler.address</name> <value>master:8030</value> </property> <property> <name>yarn.resourcemanager.resource-tracker.address</name> <value>master:8035</value> </property> <property> <name>yarn.resourcemanager.admin.address</name> <value>master:8033</value> </property> <property> <name>yarn.resourcemanager.webapp.address</name> <value>master:8088</value> </property> </configuration>
将配置好的
hadoop-2.6.0文件夹分发给所有slaves吧
[code=plain]scp -r ~/workspace/hadoop-2.6.0 spark@slave1:~/workspace/
启动 Hadoop
在 master 上执行以下操作,就可以启动 hadoop 了。[code=plain]cd ~/workspace/hadoop-2.6.0 #进入hadoop目录 bin/hadoop namenode -format #格式化namenode sbin/start-dfs.sh #启动dfs sbin/start-yarn.sh #启动yarn
验证 Hadoop 是否安装成功
可以通过jps命令查看各个节点启动的进程是否正常。在 master 上应该有以下几个进程:
[code=plain]$ jps #run on master 3407 SecondaryNameNode 3218 NameNode 3552 ResourceManager 3910 Jps
在每个slave上应该有以下几个进程:
[code=plain]$ jps #run on slaves 2072 NodeManager 2213 Jps 1962 DataNode
或者在浏览器中输入 http://master:8088 ,应该有 hadoop 的管理界面出来了,并能看到 slave1 和 slave2 节点。
Spark安装
下载解压
进入官方下载地址下载最新版 Spark。我下载的是 spark-1.3.0-bin-hadoop2.4.tgz。在
~/workspace目录下解压
[code=plain]tar -zxvf spark-1.3.0-bin-hadoop2.4.tgz mv spark-1.3.0-bin-hadoop2.4 spark-1.3.0 #原来的文件名太长了,修改下
配置 Spark
[code=plain]cd ~/workspace/spark-1.3.0/conf #进入spark配置目录 cp spark-env.sh.template spark-env.sh #从配置模板复制 vi spark-env.sh #添加配置内容
在
spark-env.sh末尾添加以下内容(这是我的配置,你可以自行修改):
[code=plain]export SCALA_HOME=/home/spark/workspace/scala-2.10.4 export JAVA_HOME=/home/spark/workspace/jdk1.7.0_75 export HADOOP_HOME=/home/spark/workspace/hadoop-2.6.0 export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop SPARK_MASTER_IP=master SPARK_LOCAL_DIRS=/home/spark/workspace/spark-1.3.0 SPARK_DRIVER_MEMORY=1G
注:在设置Worker进程的CPU个数和内存大小,要注意机器的实际硬件条件,如果配置的超过当前Worker节点的硬件条件,Worker进程会启动失败。
vi slaves在slaves文件下填上slave主机名:
slave1 slave2
将配置好的
spark-1.3.0文件夹分发给所有slaves吧
[code=plain]scp -r ~/workspace/spark-1.3.0 spark@slave1:~/workspace/
启动Spark
sbin/start-all.sh验证 Spark 是否安装成功
用jps检查,在 master 上应该有以下几个进程:
[code=plain]$ jps 7949 Jps 7328 SecondaryNameNode 7805 Master 7137 NameNode 7475 ResourceManager
在 slave 上应该有以下几个进程:
[code=plain]$jps 3132 DataNode 3759 Worker 3858 Jps 3231 NodeManager
进入Spark的Web管理页面: http://master:8080
运行示例
[code=plain]#本地模式两线程运行 ./bin/run-example SparkPi 10 --master local[2] #Spark Standalone 集群模式运行 ./bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://master:7077 \ lib/spark-examples-1.3.0-hadoop2.4.0.jar \ 100 #Spark on YARN 集群上 yarn-cluster 模式运行 ./bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master yarn-cluster \ # can also be `yarn-client` lib/spark-examples*.jar \ 10
注意 Spark on YARN 支持两种运行模式,分别为
yarn-cluster和
yarn-client,从广义上讲,yarn-cluster适用于生产环境;而yarn-client适用于交互和调试,也就是希望快速地看到application的输出。
相关文章推荐
- Spark RDD API详解(一) Map和Reduce
- 使用spark和spark mllib进行股票预测
- Spark随谈——开发指南(译)
- RedHat 5.8 安装Oracle 11gR2_Grid集群
- Spark,一种快速数据分析替代方案
- mysql集群之MMM简单搭建
- MySQL的集群配置的基本命令使用及一次操作过程实录
- MySQL slave_net_timeout参数解决的一个集群问题案例
- Redis 集群搭建和简单使用教程
- Windows Server 2003 下配置 MySQL 集群(Cluster)教程
- tomcat6_apache2.2_ajp 负载均衡加集群实战分享
- 用apache和tomcat搭建集群(负载均衡)
- Red Hat Linux,Apache2.0+Weblogic9.2负载均衡集群安装配置
- Hadoop2.X/YARN环境搭建--CentOS7.0 JDK配置
- Hadoop单机版和全分布式(集群)安装
- Hadoop2.X/YARN环境搭建--CentOS7.0系统配置
- java结合HADOOP集群文件上传下载
- eclipse 开发 spark Streaming wordCount
- Spring3.2.0和Quartz1.8.6集群配置