【Spark】---- 在Linux集群上安装和配置Spark

1 安装JDK

 

1） 进入JDK官网

2） 下载JDK安装包

3）配置环境变量，在/etc/profile增加以下代码

JAVA_HOME=/home/hadoop/jdk1.6.0_38
PATH=$JAVA_HOME/bin:$PATH
CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/jre/lib/dt.jar:$JAVA_HOME/jre/lib/tools.jar
export JAVA_HOME PATH CLASSPATH

4）使profile文件更新生效

source /etc/profile

 

2 安装Scala

Scala 官网提供各个版本的Scala，用户需要根据Spark官方规定的Scala版本进行下载和安装。Scala官网地址为http://www.scala-lang.org/

1） 下载Scala

2）在目录下解压

tar -zxvf scala-2.10.4.tgz

 

3）配置环境变量，在/etc/profile中添加下面的内容

export SCALA__HOME=/home/hadoop/scala-2.10.4/scala-2.10.4
export PATH=${SCALA_HOME}/bin:$PATH

 

4）使用profile文件更新生效

source /etc/profile

 

3 配置SSH免密码登录

在集群管理和配置中有很多工具可以使用。例如，可以采用pssh等Linux工具在集群中分发与复制文件，用户也可以自己书写Shell、Python的脚步分发包。

Spark的Master节点向Worker节点命令需要通过ssh进行发送，用户不希望Master每发送一次命令就输入一次密码，因此需要实现Master无密码登陆到所有Worker。

Master作为客户端，要实现无密码公钥认证，连接服务端Worker。需要在Master上生成一个秘钥对，包括一个公钥和一个私钥，然后将公钥复制到Worker上。当Master通过ssh连接Worker

 

1）在Master节点上，执行以下命令

ssh-keygen-trsa

 

2）打印日志执行以下命令

如果是root用户，则在/root/.ssh/目录下生成一个私钥id_rsa和一个公钥id_rsa.pub。

把Master上的id_rsa.pub文件追加到Worker的authorized_keys内。

3）复制Master的id_rsa.pub文件

scp id_rsa.pub root@172.20.14.144:/home
/*可使用pssh对全部节点分发*/

 

4）登录worker节点，执行以下命令

cat /home/id_rsa.pub >> /root/.ssh/authorized_keys
/*可使用pssh对全部节点分发*/

 

注意：配置完毕，如果Master仍然不能访问Worker，可以修改Worker的authorized_keys文件的权限，命令为 chmod 600 authorized_keys

 

4安装Hadoop

（1）下载hadoop-2.2.0

 

 1）选取一个Hadoop镜像网址，下载Hadoop

wget http://www.trieuvan.com/apache/hadoop/common/hadoop-2.2.0/hadoop-2.2.0.tar.gz

 

 2）解压tar包

tar -vxzf hadoop-2.2.0.tar.gz -C /usr/local
cd /usr/local
mv hadoop-2.2.0 hadoop
chown -R hduser:hadoop hadoop

 

（2）配置Hadoop环境变量

 1）编辑profile文件

vi /etc/profile

 

 2）在profile文件中增加以下内容

export JAVA_HOME=/usr/lib/jvm/jdk/
export HADOOP_INSTALL=/usr/local/hadoop
export PATH=$PATH:$HADOOP_INSTALL/bin
export PATH=$PATH:$HADOOP_INSTALL/sbin
export HADOOP_MAPRED_HOME=$HADOOP_INSTALL
export HADOOP_COMMON_HOME=$HADOOP_INSTALL
export HADOOP_HDFS_HOME=$HADOOP_INSTALL
export YARN_HOME=$HADOOP_INSTALL

 

（3）编辑配置文件

 

 1）进入Hadoop所在目录

 2）配置hadoop-env.sh文件

export JAVA_HOME=/usr/lib/jvm/jdk/

 

 3）配置core-site.xml文件

<configuration>
/*这里的值指的是默认的HDFS路径*/
<property>
<name>fs.defaultFS</name>
<value>hdfs://Master:9000</value>
</property>

/*缓冲区大小: io.file.buffer.size默认是4KB*/
<property>
<name>io.file.buffer.size</name>
<value>131072</value>
</property>
/*临时文件夹路径*/
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/tmp</value>
<description> Abase for other temporary directories </description>
</property>
<property>
<name>hadoop.proxyuser.hduser.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.hduser.groups</name>
<value>*</value>
</property>
</configuration>

 

 4） 配置yarn-site.xml文件

<configuration>
<property>
<name>yarn.nodemanager.aux-services</value>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
/*resourceManager的地址*/
<property>
<name>yarn.resourcemanager.address</name>
<value>Master:8030</value>
</property>
/*调度器的端口*/
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>Master1:8030</value>
</property>
/*resource-tracker端口*/
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>Master:8031</value>
/*resourcemanager管理器端口*/
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>Master:8033</value>
</property>
/*ResourceManager 的Web端口、监控 job 的资源调度*/
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>Master:8088</value>
</property>
</configuration>

 

 5）配置mapred-site.xml文件

<configuration>
/*hadoop对map-reduce运行矿建一共提供了3种实现，在mapred-site.xml中通过“mapreduce.framework.name”这个属性来设置为"classic"."yarn"或者“local”*/
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
/*MapReduce JobHistory Server地址*/
<property>
<name>mapreduce.jobhistory.address</name>
<value>Master:10020</value>
</property>
/*MapReduce JobHistory Server web UI 地址*/
<property>
<name>mapreduce.jobhistory.webapp.address</name>
<value>Master:19888</value>
</property>
</configuration>

 

 

（4）创建namenode和datanode目录，并配置其相应路径

  1）创建namenode和datanode目录，

mkdir /hdfs/namenode
mkdir /hdfs/datanode

 

  2）执行命令后，再次回到目录，配置hdfs-site.xml文件，在文件中添加如下内容

<configuration>
/*配置主节点名和端口*/
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>Master:9001</value>
</property>
/*配置从节点和端口号*/
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/hdfs/namenode</value>
</property>
/*配置datanode的数据存储目录*/
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/hdfs/datanode</value>
</property>
/*配置副本数*/
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
/*将dfs.webhdfs.enabled属性设置为true,否则就不能使用webhdfs的LISTSTATUS，LISTFILESTATUS等需要列出文件，文件夹状态的命令，因为这些信息都是由namenode保存的*/
<proeprty>
<name>dfs.webhdfs.enabled</name>
<value>true</value>
</property>
</configuration>

 

 

（5）配置Master和Slave文件

 1）Master文件负责配置主节点的主机名

Master /*Master为主节点主机名*/

 

 

 2）配置Slaves文件添加从节点主机名

/*Slave为从节点主机名*/
Slave1
Slave2
Slave3
Slave4
Slave5

 

 

（6）将Hadoop所有文件通过pssh发送到各个节点

./pssh -h hosts.txt -r /hadoop /

 

 

（7）格式化Namenode（在Hadoop根目录下）

  ./bin/hadoop namenode -format

 

（8）启动Hadoop

./sbin/start-all.sh

 

 

（9）查看是否配置和启动成功

jps
DataNode
ResourceManager
Jps
NodeManager
NameNode
SecondaryNameNode

 

ps-aux|grep *DataNode* /*查看DataNode进程*/

 

5 安装Spark

 

1）下载spark

2）解压

3）配置

 

编辑conf/Spark-env.sh文件，加入下面的配置参数

export SCALA_HOME=/paht/to/scala-2.10.4
export SPARK_WORKER_MEMORY=7g
export SPARK_MASTER_IP=172.16.0.140
export MASTER=spark://172.16.0.140:7077

 

4）配置slaves文件

编辑conf/slaves文件，以5个Worker节点为例，将节点的主机名加入slaves文件中

Slave1
Slave2
Slave3
Slave4
Slave5

 

6 启动集群

 

（1）Spark启动与关闭

  1）在Spark根目录启动Spark

./sbin/start-all.sh

2）关闭Spark

./sbin/stop-all.sh

 

（2）Hadoop的启动与关闭

  1）在Hadoop根目录启动Hadoop

  2）关闭Hadoop

 

（3）检测是否安装成功

 1）正常状态下的Master节点如下。

 2）利用ssh登录Worker节点