Spark集群环境搭建

一、开发工具

JAVA：JDK(Oracle官网最新版)
Hadoop(Version:2.7.3)
Spark(Version:2.1.1)
VirtualBox
Scala(Vesion:2.1.12)
Ubuntu(Vesion:16.04)

二、Linux基本配置

VirtualBox安装Ubuntu

Ubuntu下切换到root

sudo passwd //设置root的密码

Ubuntu VI编辑器乱码
先卸载vim-tiny：

$ sudo apt-get remove vim-common

再安装vim full：

$ sudo apt-get install vim

SSH免密码登录
a.安装ssh client server

sudo apt-get install openssh-client
sudo apt-get install openssh-server

在Master主机上生成

ssh-keygen -t rsa

三次回车之后，在当前根目录下会生成：.ssh目录，.ssh下有id_rsa和id_rsa.pub
b.将生成的id_rsa.pub复制到Slaver机器上的.ssh/authorized_keys文件中，如果没有该目录及文件，手动创建，并使用追加的方式进行：

cat id_rsa.pub >> .ssh/authorized_keys

authorized_keys的权限设置：

chmod 600 .ssh/authorized_keys

三、Java安装及环境变量配置

解压JDK
在/usr/local目录下新建目录jdk,解压JDK文件

sudo tar -zxvf jdkXXX.tar.gz -C /usr/local/jdk

配置环境变量
编辑/etc/profile文件：

export JAVA_HOME=/usr/local/jdk/jdk1.8.0_131
export JRE_HOME=${JAVA_HOME}/jre
export CLASS_PATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib

export PATH=$PATH:${JAVA_HOME}/bin # $PATH必须得有

四、Hadoop安装配置

解压Hadoop

sudo tar -zxvf hadoop2.7.3.tar.gz -C /usr/local/hadoop

修改Hadoop的配置文件(目录:hadoop/hadoop2.7.3/etc/hadoop)

core-site.xml

hdfs-site.xml

maped-site.xml

yarn-site.xml

hadoop-env.sh

slaves

格式化并启动HDFS
格式化:

bin/hdfs namenode -format

启动HDFS:

sbin/start_dfs.sh

启动失败的可原因：/etc/hosts文件有变动

使用Browser查看HDFS信息

使用默认端口连接：http://master:50070/

启动资源管理框架YARN

/sbin/start-yarn.sh

查看Hadoop的UI控制台

http://master:8088

五、Spark安装配置

解压Spark

sudo tar -zxvf spark-2.1.1-hin-hadoop2.7 -C /usr/local/spark

修改Spark的配置文件(conf目录下)

spark-env.sh

slaves

配置系统环境变量

vim /etc/profile
使用scp 将/etc/profile文件同步到每台机器上

拷贝Spark安装目录下的所有文件到其它的机器上

启动Spark
启动Spark

/sbin/start-all.sh

启动Spark的日志记录服务

sbin/start-history-server.sh

查看Spark的UI控制台

http://master:8080 http://master:18080 (history-server)

Spark-submit提交Spark运行
bin目录下:

spark-submit
--class 完整的包名
--master spark://master:7077
--executor-memory 20G
--total-executor-cores 100
*.jar 运行jar的完整路径
1000 并行运行的数目

spark-shell运行
bin目录下:

spark-shell
--master spark://Master:7077