版本号：

RedHat6.5   RHEL 6.5系统安装配置图解教程(rhel-server-6.5)

JDK1.8      http://blog.csdn.net/chongxin1/article/details/68957808

Hadoop2.7.3   RedHat6.5上安装Hadoop集群

scala-2.11.8

spark-2.1.1-bin-hadoop2.7

1 安装Spark依赖的Scala

Hadoop的安装请参考上面提到的博文，因为Spark依赖scala，所以在安装Spark之前，这里要先安装scala。

在每个节点上都进行安装，本文主要是master、slave1、slave2三台机器。

1.1  下载和解压缩Scala

官网下载地址：https://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz

百度云盘下载地址：链接：http://pan.baidu.com/s/1eSiVjO2 密码：y8b1

linux在服务器的/usr/local目录下新建一个名为scala的文件夹，并将下载的压缩包上载上去

如图：

执行命令，进入到该目录：

cd    /usr/local/scala

执行命令进行解压缩：

tar   -xvf   scala-2.11.8.tgz

1.2  配置环境变量

sudo gedit /et/profile

编辑/etc/profile这个文件，在文件中增加一行配置：



  1. #set Scala environment
    2. 

  2. export SCALA_HOME=/usr/local/scala/scala-2.11.8
    3. 

  3. export PATH=$SCALA_HOME/bin:$PATH


添加完成后，我的/etc/profile的配置如下：




  1. #set Java environment
    2. 

  2. export JAVA_HOME=/usr/local/java/jdk1.8
    3. 

  3. export JRE_HOME=/usr/local/java/jdk1.8/jre
    4. 

  4. export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
    5. 

  5. export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$JAVA_HOME:$PATH
    6. 

  6. #set Hadoop enviroment
    7. 

  7. export HADOOP_HOME=/usr/local/hadoop/hadoop-2.7.3
    8. 

  8. export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    9. 

  9. export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
    10. 

  10. export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop​
    11. 

  11. #set Scala environment
    12. 

  12. export SCALA_HOME=/usr/local/scala/scala-2.11.8
    13. 

  13. export PATH=$SCALA_HOME/bin:$PATH


环境变量配置完成后，执行下面的命令：


source   /etc/profile


1.3 验证Scala


执行命令： scala     -version


如图：




以上是在master机器上安装，将安装好的scala复制到slave1、slave2机器上：


scp -r /usr/local/scala root@slave1:/usr/local


scp -r /usr/local/scala root@slave2:/usr/local




修改slave1、slave2的/etc/profile环境变量配置文件，方法同1.2。


2 下载和解压缩Spark


2.1 下载Spark压缩包


官网下载地址：http://mirrors.hust.edu.cn/apache/spark/spark-2.1.1/spark-2.1.1-bin-hadoop2.7.tgz


百度云盘下载地址：链接：http://pan.baidu.com/s/1cGTtgU 密码：hciq


2.2  解压缩Spark


下载完成后，在Linux服务器的/usr/local目录下新建一个名为spark的文件夹，把刚才下载的压缩包，上传上去。


如图：




进入到该目录内，也就是执行下面的命令：


cd    /usr/local/spark


执行解压缩命令：


tar   -zxvf   spark-2.1.1-bin-hadoop2.7.tgz


3  Spark相关的配置


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，我这里是在master上启动。


3.1  配置环境变量


sudo gedit /etc/profile


编辑/etc/profile文件，增加




  1. #set Spark environment
    2. 

  2. export SPARK_HOME=/usr/local/spark/spark-2.1.1-bin-hadoop2.7
    3. 

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


注意：因为$SPARK_HOME/sbin目录下有一些文件名称和$HADOOP_HOME/sbin目录下的文件同名，为了避免同名文件冲突，这里不在PATH变量里添加$SPARK_HOME/sbin只添加了$SPARK_HOME/bin。


修改完成后，/etc/profile文件内容是：




  1. #set Java environment
    2. 

  2. export JAVA_HOME=/usr/local/java/jdk1.8
    3. 

  3. export JRE_HOME=/usr/local/java/jdk1.8/jre
    4. 

  4. export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH
    5. 

  5. export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$JAVA_HOME:$PATH
    6. 

  6. #set Hadoop enviroment
    7. 

  7. export HADOOP_HOME=/usr/local/hadoop/hadoop-2.7.3
    8. 

  8. export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    9. 

  9. export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
    10. 

  10. export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop​
    11. 

  11. #set Scala environment
    12. 

  12. export SCALA_HOME=/usr/local/scala/scala-2.11.8
    13. 

  13. export PATH=$SCALA_HOME/bin:$PATH
    14. 

  14. #set Spark environment
    15. 

  15. export SPARK_HOME=/usr/local/spark/spark-2.1.1-bin-hadoop2.7
    16. 

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


编辑完成后，执行命令：


source   /etc/profile


3.2 配置conf目录下的文件


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


3.2.1  新建spark-env.h文件


执行命令，进入到/usr/local/spark/spark-2.1.1-bin-hadoop2.7/conf目录内：


cd    /usr/local/spark/spark-2.1.1-bin-hadoop2.7/conf


以spark为我们创建好的模板创建一个spark-env.h文件，命令是：


cp    spark-env.sh.template   spark-env.sh


编辑spark-env.sh文件，在里面加入配置(具体路径以自己的为准)：




  1. export JAVA_HOME=/usr/local/java/jdk1.8
    2. 

  2. export SCALA_HOME=/usr/local/scala/scala-2.11.8
    3. 

  3. export HADOOP_HOME=/usr/local/hadoop/hadoop-2.7.3
    4. 

  4. export HADOOP_CONF_DIR=/usr/local/hadoop/hadoop-2.7.3
    5. 

  5. export SPARK_MASTER_IP=192.168.168.200
    6. 

  6. export SPARK_MASTER_HOST=192.168.168.200
    7. 

  7. export SPARK_LOCAL_IP=192.168.168.200
    8. 

  8. export SPARK_HOME=/usr/local/spark/spark-2.1.1-bin-hadoop2.7
    9. 

  9. export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/hadoop-2.7.3/bin/hadoop classpath)


3.2.2 新建slaves文件


执行命令，进入到/usr/local/spark/spark-2.1.1-bin-hadoop2.7/conf目录内：


cd   /usr/local/spark/spark-2.1.1-bin-hadoop2.7/conf


以spark为我们创建好的模板创建一个slaves文件，命令是：


cp    slaves.template   slaves


编辑slaves文件，里面的内容为：


master


slave1


slave2


如图：




3.3WorkerN节点：（slave1、slave2两台机器）


将配置好的spark文件复制到workerN节点


scp  -r  /usr/local/spark  root@slave1:/usr/local


scp  -r  /usr/local/spark  root@slave2:/usr/local


在slave1和slave2上分别修改/etc/profile，增加Spark的配置，过程同master一样。


在slave1和slave2修改$SPARK_HOME/conf/spark-env.sh，将 export SPARK_LOCAL_IP=192.168.168.200 改成slave1和slave2对应节点的IP。




  1. export SPARK_LOCAL_IP=192.168.168.201




  1. export SPARK_LOCAL_IP=192.168.168.202


4 启动和测试Spark集群


4.1 启动Spark


因为spark是依赖于hadoop提供的分布式文件系统的，所以在启动spark之前，先确保hadoop在正常运行。


在hadoop正常运行的情况下，在master（也就是hadoop的namenode，spark的marster节点）上执行命令：


cd  /usr/local/spark/spark-2.1.1-bin-hadoop2.7/sbin


执行启动脚本：


./start-all.sh


完整控制台输出内容是：




  1. [root@master conf]# cd /usr/local/spark/spark-2.1.1-bin-hadoop2.7/sbin
    2. 

  2. [root@master sbin]# ./start-all.sh
    3. 

  3. starting org.apache.spark.deploy.master.Master, logging to /usr/local/spark/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.master.Master-1-master.out
    4. 

  4. slave1: starting org.apache.spark.deploy.worker.Worker, logging to /usr/local/spark/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave1.out
    5. 

  5. slave2: starting org.apache.spark.deploy.worker.Worker, logging to /usr/local/spark/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave2.out
    6. 

  6. master: starting org.apache.spark.deploy.worker.Worker, logging to /usr/local/spark/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-master.out
    7. 

  7. master: failed to launch: nice -n 0 /usr/local/spark/spark-2.1.1-bin-hadoop2.7/bin/spark-class org.apache.spark.deploy.worker.Worker --webui-port 8081 spark://master:7077
    8. 

  8. master: full log in /usr/local/spark/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-master.out


注意：上面的命令中有./这个不能少，./的意思是执行当前目录下的start-all.sh脚本。


4.2  测试和使用Spark集群


4.2.1  访问Spark集群提供的URL


在浏览器里访问Mster机器，我的Spark集群里Master机器是master，IP地址是192.168.168.200，访问8080端口，URL是：


http://192.168.168.200:8080


如图：




参考资料：http://blog.csdn.net/pucao_cug/article/details/72353701


												


											
RedHat6.5安装Spark集群的更多相关文章
	

    
								
  1. RedHat6.5安装kafka集群
		
    版本号: Redhat6.5    JDK1.8     zookeeper-3.4.6   kafka_2.11-0.8.2.1 1.软件环境 1.3台RedHat机器,master.slave1. ...
    
		
    2. 
						
  2. 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 ...
    
		
    3. 
						
  3. 安装Spark集群(在CentOS上)
		
    环境:CentOS 6.4, Hadoop 1.1.2, JDK 1.7, Spark 0.7.2, Scala 2.9.3 1. 安装 JDK 1.7 yum search openjdk-deve ...
    
		
    4. 
						
  4. CentOS7 安装spark集群
		
    Spark版本 1.6.0 Scala版本 2.11.7 Zookeeper版本 3.4.7 配置虚拟机 3台虚拟机,sm,sd1,sd2 1. 关闭防火墙 systemctl stop firewa ...
    
		
    5. 
						
  5. CentOS6.5 安装Spark集群
		
    一.安装依赖软件Scala(所有节点) 1.下载Scala:http://www.scala-lang.org/files/archive/scala-2.10.4.tgz 2.解压: [root@H ...
    
		
    6. 
						
  6. RedHat6.5安装zookeeper集群
		
    版本号: Redhat6.5  zookeeper-3.4.6  JDK1.8 zookeeper下载 官网下载地址:https://mirrors.tuna.tsinghua.edu.cn/apac ...
    
		
    7. 
						
  7. redhat6.4安装storm集群-4节点
		
    0.搭建ftp服务器并建立yum源 1.在每个节点上安装java并设置环境变量 2.在三个节点上安装zookeeper 3.安装zeromq 过程中发现运行./configure时出现问题: conf ...
    
		
    8. 
						
  8. Spark新手入门——3.Spark集群(standalone模式)安装
		
    主要包括以下三部分,本文为第三部分: 一. Scala环境准备 查看二. Hadoop集群(伪分布模式)安装 查看三. Spark集群(standalone模式)安装 Spark集群(standalo ...
    
		
    9. 
						
  9. Spark集群安装和WordCount编写
		
    一.Spark概述 官网:http://spark.apache.org/ Apache Spark™是用于大规模数据处理的统一分析引擎. 为大数据处理而设计的快速通用的计算引擎. Spark加州大学 ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. Java并发机制和底层实现原理
			
    Java代码在编译后会变成Java字节码,字节码被类加载器加载到JVM里,JVM执行字节码转化为汇编指令在CPU上执行.Java中的并发机制依赖于JVM的实现和CPU的指令. Java语言规范第三版中 ...
    
			
    2. 
						
  2. SQL注入之Sqli-labs系列第八篇（基于布尔盲注的注入）
			
    开始挑战第八关(Blind- Boolian- Single Quotes- String) 这关首先需要用到以下函数: 开始测试,使用测试语句,利用单引号进行闭合 猜解字段 union select ...
    
			
    3. 
						
  3. c++ 编译报错汇总(随时更新)
			
    1.invalid new-expression of abstract class type ‘×××ב 这个报错代表一个尝试在实例化一个抽象类,也就是说父类的接口中有纯虚函数在子类中没有实现:  ...
    
			
    4. 
						
  4. [LeetCode&Python] Problem 830. Positions of Large Groups
			
    In a string S of lowercase letters, these letters form consecutive groups of the same character. For ...
    
			
    5. 
						
  5. HDU2023：求平均成绩
			
    Problem Description 假设一个班有n(n<=50)个学生,每人考m(m<=5)门课,求每个学生的平均成绩和每门课的平均成绩,并输出各科成绩均大于等于平均成绩的学生数量.  ...
    
			
    6. 
						
  6. Plant(𝐶𝑜𝑑𝑒𝐹𝑜𝑟𝑐𝑒𝑠 − 185𝐴)
			
    #include<iostream> #include<cstring> using namespace std; ,mod=; struct Matrix { long lo ...
    
			
    7. 
						
  7. window cmd-常用命令
			
    1.常用命令 dir 文件列表 cd 改变目录md 创建目录 rd 删除目录 type 显示文件内容 fc 比较目录 attrib 修改文件属性 copy 复制文件 del 删除文件 ren 文件改名 ...
    
			
    8. 
						
  8. java-Date类
			
    1.Date类的概述和方法使用 * A:Date类的概述 * 类 Date 表示特定的瞬间,精确到毫秒. * B:构造方法 * public Date() * public Date(long dat ...
    
			
    9. 
						
  9. difference among String,StringBuilder,StringBuffer
			
    difference among String,StringBuilder,StringBuffer String常用构造函数 String(byte[] bytes) String(byte[] b ...
    
			
    10. 
						
  10. Python学习之---Python中的内置函数（方法）（更新中。。。）
			
    add(item)   #将item添加到s中,如果item已经在s中,则无任何效果 break        #退出循环,不会再运行循环中余下的代码 bool()     #将参数转换为布尔型 by ...
    
			
    11.