Spark学习笔记--Linux安装Spark集群详解

　　本文主要讲解如何在Linux环境下安装Spark集群，安装之前我们需要Linux已经安装了JDK和Scala，因为Spark集群依赖这些。下面就如何安装Spark进行讲解说明。

一、安装环境

操作系统：Red Hat Enterprise Linux 6 64 位(版本号6.6)

JDK版本：1.8

Scala版本：2.12.2

Spark版本：2.2.0

172.18.3.135 主节点

172.18.3.136 从节点

172.18.3.137 从节点

之后的操作如果是用普通用户操作的话也必须知道root用户的密码，因为有些操作是得用root用户操作。如果是用root用户操作的话就不存在以上问题。我是用root用户操作的。

说明：本文是通过Xshell5工具远程连接Linux操作，如果是直接在Linux可视化界面操作那就更方便了，原理一样。

二、修改hosts文件(前期准备工作)

修改三台服务器的hosts文件。

vi /etc/hosts

在原文件的基础最后面加上：

 172.18.3.135 Master
 172.18.3.136 Slave1
 172.18.3.137 Slave2

修改完成后保存执行如下命令。

source /etc/hosts

三、配置ssh无密码验证(前期准备工作)

为什么需要ssh无密码验证呢，是为了确保主从机无需密码就能进行通信访问

可以参考笔者的另一篇文章《Ubuntu下SSH无密码验证配置》，这里我只文字阐述下。

3.1安装和启动ssh协议

我们需要两个服务：ssh和rsync。

可以通过下面命令查看是否已经安装：

rpm -qa|grep openssh
rpm -qa|grep rsync

如果没有安装ssh和rsync，可以通过下面命令进行安装：

yum install ssh （安装ssh协议）

yum install rsync （rsync是一个远程数据同步工具，可通过LAN/WAN快速同步多台主机间的文件）

service sshd restart （启动服务）

3.2 配置Master无密码登录所有Salve

配置Master节点，以下是在Master节点的配置操作

1）在Master节点上生成密码对，在Master节点上执行以下命令：

ssh-keygen -t rsa -P ''

生成的密钥对：id_rsa和id_rsa.pub，默认存储在"/root/.ssh"目录下。

2）接着在Master节点上做如下配置，把id_rsa.pub追加到授权的key里面去。

cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

3）修改ssh配置文件"/etc/ssh/sshd_config"的下列内容，将以下内容的注释去掉：

RSAAuthentication yes # 启用 RSA 认证

PubkeyAuthentication yes # 启用公钥私钥配对认证方式

AuthorizedKeysFile .ssh/authorized_keys # 公钥文件路径（和上面生成的文件同）

4）重启ssh服务，才能使刚才设置有效。

service sshd restart

5）验证无密码登录本机是否成功。

ssh localhost

6）接下来的就是把公钥复制到所有的Slave机器上。使用下面的命令进行复制公钥：

scp /root/.ssh/id_rsa.pub root@Slave1:/root/

scp /root/.ssh/id_rsa.pub root@Slave2:/root/

接着配置Slave节点，以下是在Slave1节点的配置操作。

1）在"/root/"下创建".ssh"文件夹，如果已经存在就不需要创建了。

mkdir /root/.ssh

2）将Master的公钥追加到Slave1的授权文件"authorized_keys"中去。

cat /root/id_rsa.pub >> /root/.ssh/authorized_keys

3）修改"/etc/ssh/sshd_config"，具体步骤参考前面Master设置的第3步和第4步。

4）用Master使用ssh无密码登录Slave1

ssh 172.18.3.135

5）把"/root/"目录下的"id_rsa.pub"文件删除掉。

rm –r /root/id_rsa.pub

重复上面的5个步骤把Slave2服务器进行相同的配置。

3.3 配置所有Slave无密码登录Master

以下是在Slave1节点的配置操作。

1）创建"Slave1"自己的公钥和私钥，并把自己的公钥追加到"authorized_keys"文件中，执行下面命令：

ssh-keygen -t rsa -P ''

cat /root/.ssh/id_rsa.pub >> /root/.ssh/authorized_keys

2）将Slave1节点的公钥"id_rsa.pub"复制到Master节点的"/root/"目录下。

scp /root/.ssh/id_rsa.pub root@Master:/root/

以下是在Master节点的配置操作。

1）将Slave1的公钥追加到Master的授权文件"authorized_keys"中去。

cat ~/id_rsa.pub >> ~/.ssh/authorized_keys

2）删除Slave1复制过来的"id_rsa.pub"文件。

rm –r /root/id_rsa.pub

配置完成后测试从Slave1到Master无密码登录。

ssh 114.55.246.88

按照上面的步骤把Slave2和Master之间建立起无密码登录。这样，Master能无密码验证登录每个Slave，每个Slave也能无密码验证登录到Master。

四、安装JDK

　　JDK的安装我们这就不做讲解，请参考笔者另一篇文章《Linux 下安装JDK1.8》

五、安装Scala

　　因为Spark依赖scala，所以在安装Spark之前，这里要先安装scala。在每个节点上都需要进行安装。

5.1、下载和解压Scala

　　我们从官网：http://www.scala-lang.org/ 下载Scala，最新的版本为2.12.2，如图所示

我们直接下载https://downloads.lightbend.com/scala/2.12.2/scala-2.12.2.tgz

　　我们在Linux服务器的opt目录下新建一个Scala的文件夹(这个根据自己自定义新建文件夹，没有要求)，通过xftp5将压缩包上传到这个目录当中，如图所示

　　进入到该目录下，执行解压命令：

 $ cd  /home/cmfchina/opt/scala
 $ tar  -zxvf  scala-2.12..tgz

如图所示：

5.2、配置Scala环境变量

　　通过命令编辑/etc/profile这个文件

vim  /etc/profile  //备注vim编辑器按“i”是进行插入操作

如果所示：

在文件中增加一行配置：

export  SCALA_HOME=/home/cmfchina/opt/scala/scala-2.12.

在该文件的PATH变量中增加下面的内容（没有PATH就新建一个export）：

${SCALA_HOME}/bin

如图所示：

说明：你可以只关注开头说的JDK  SCALA   Spark的环境变量，其余的都不用管，那是其他程序的环境变量配置。

然后，保存并退出(按：wq!)

保存完之后，我们还需要让这个环境变量配置信息里面生效，要不然只能重启电脑生效了。

通过命令source /etc/profile让profile文件立即生效

source  /etc/profile  

如图所示

5.3、验证Scala

通过命令查看Scala版本信息

scala    -version

如图所示：

说明Scala已经安装成功了。

六、安装Spark

6.1、下载Spark压缩包

我们到Spark官网进行下载：http://spark.apache.org/ ，我们选择带有Hadoop版本的Spark，如图所示：

下载后得到了大约200M的文件： spark-2.2.0-bin-hadoop2.7

6.2、解压Spark

下载完成后，在Linux服务器的opt目录下新建一个名为spark的文件夹，把刚才下载的Spark压缩包，上传上去，和前面的Scala讲解的一样。

如图所示：

进入到该目录下，执行解压命令：

cd   /home/cmfchina/opt/spark
tar  -zxvf spark-2.2.-bin-hadoop2..tgz

如图所示：

七、Spark相关配置设置

　　说明：因为我们搭建的是基于hadoop集群的Spark集群，所以每个hadoop节点上我都安装了Spark，都需要按照下面的步骤做配置，启动的话只需要在Spark集群的Master机器上启动即可

7.1、Spark环境变量配置

编辑/etc/profile文件（和前面讲的Scala一样），增加下面一行

export  SPARK_HOME=/home/cmfchina/opt/spark/spark-2.1.-bin-hadoop2.

该文件中的PATH变量，添加下面两行

${SPARK_HOME}/bin和${SPARK_HOME}/sbin

如图所示：

保存并退出(按：wq!)，通过命令source  /etc/profile让profile文件立即生效

7.2、配置Spark的conf目录文件

7.2.1、配置spark-env.sh文件

对/opt/spark/spark-2.1.1-bin-hadoop2.7/conf目录下的文件进行配置。

以spark为我们创建好的模板创建一个spark-env.h文件，命令是：

cd    /home/cmfchina/opt/spark/spark-2.1.-bin-hadoop2./conf
cp    spark-env.sh.template   spark-env.sh //备注spark-env.sh.template是spark的一个自带模板

如图所示：

执行上面命令，我们会发现conf目录下就会新建了spark-env.sh文件，编辑spark-env.h文件，在里面加入配置(配置的具体路径以自己的为准)：

 export JAVA_HOME=/usr/java/jdk1..0_131   //JDK安装路径
 export SCALA_HOME=/home/cmfchina/opt/scala/scala-2.12.  //SCALA安装路径
 export SPARK_HOME=/home/cmfchina/spark/spark-2.1.-bin-hadoop2.  //spark安装路径
 export HADOOP_CONF_DIR=/home/cmfchina/opt/spark/spark-2.1.-bin-hadoop2./conf //指定hadoop的配置文件目录
 export SPARK_LOG_DIR=/home/cmfchina/opt/spark/spark-2.1.-bin-hadoop2./logs
 export SPARK_PID_DIR=/home/cmfchina/opt/spark/spark-2.1.-bin-hadoop2./pid
 export SPARK_MASTER_IP=172.18.3.135  //主节点的IP地址
 export SPARK_MASTER_HOST=172.18.3.135
 export SPARK_LOCAL_IP=172.18.3.135   //本机的IP地址
 export SPARK_WORKER_MEMORY=2G  //分配的内存大小，作业可使用的内存容量，默认格式1000M 或者 2G，注意内存设置必须是整数
 export MASTER=spark://172.18.3.135:7077 //默认端口为7077

具体spark-env.sh设置可以参考网上其他文献，这里设置完保存关闭就行了。

7.2.1、配置slaves文件（Master配置这个Salve文件就行，其他Slave机不需要配置）

执行命令，进入到/opt/spark/spark-2.1.1-bin-hadoop2.7/conf目录内，以spark为我们创建好的模板创建一个slaves文件，命令是：

cd   /home/cmfchina/opt/spark/spark-2.1.-bin-hadoop2./conf
cp   slaves.template   slaves

slaves这个文件是指定子节点的主机，将slaves内的localhost删去，直接添加master主机名和子节点主机名即可

//这些是masterIP和其他Salve的IP地址
//因为我们配置了host，也可以直接用master和slave1，slave2进行配置，不需要IP地址

master的IP  //例如 xx.xx.xx.xx(172.18.3.135)
slave1的IP1 //例如 172.18.3.
slave2的IP2 //例如 172.18.3.

//即master 既是 Master 节点又是 Worker 节点。如果只有一个master的，没有其他slave，那这个就是我们常说的伪分布(单机点)

到此为止，前面所有的安装配置动作，在你的另一个机器上(所有的slave机器)同样的做一遍

备注：其他的Slave机不需要配置slave文件，只需要配置spark-env.sh就行，将export SPARK_LOCAL_IP=172.18.3.135改成Slave1和Slave2对应节点的IP，其他基本不变。

八、启动Spark集群

8.1、运行sbin/start-all.sh（Master和Slave都启动要启动，如果想要关闭，使用命令stop-all.sh）

进入spark-2.1.1-bin-hadoop2.7/sbin/目录

执行：./start-all.sh

如果没有设置ssh免密码登陆，会要求输入密码，这时候jps查看多了个master和worker，如图所示：

8.2、运行spark-shell（Master和Slave都启动要启动）

在bin目录下执行：

./spark-shell

这时候就可以看到运行的Spark了，如图所示：

追加说明：start-all.sh和spark-shell启动如果显示以上界面，说明是成功的，如果出现报错或者Waring的话，则需要查看配置是否正确（很多时候会有莫名其妙的错误）

8.3、浏览器查看集群信息（master地址+8080端口）

在浏览器里访问Mster机器，我的生产环境的Spark集群里Master的IP地址是192.168.226.129（本机测试，根据实际情况而定），访问8080端口

如图所示：

PS：如有问题，请留言，未经允许不得私自转载，转载请注明出处：http://www.cnblogs.com/xuliangxing/p/7234014.html