Ubuntu 12.04下spark1.0.0 集群搭建（原创）

spark1.0.0新版本的于2014-05-30正式发布啦，新的spark版本带来了很多新的特性，提供了更好的API支持，spark1.0.0增加了Spark SQL组件，增强了标准库（ML、streaming、GraphX）以及对JAVA和Python语言的支持；

下面，我们首先进行spark1.0.0集群的安装，在这里我使用了两台服务器，一台作为master即namenode主机，另一台作为slave即datanode主机，增加更多的slave只需重复slave部分的内容即可。：

系统版本：

• master：Ubuntu 12.04
• slave：Ubuntu 12.04
• hadoop：hadoop 2.2.0
• spark：spark 1.0.0

1. 安装JDK和hadoop集群

　　安装过程参见这里

2. 下载安装Scala

• scala下载地址，这里下载的是最新版scala-2.11.1版本
• 解压scala，放到/usr/lib目录下

　　　　tar -xzvf scala-2.11.1.tgz

　　　　mv scala-2.11.1 /usr/lib/

• 配置scala环境变量：sudo vi /etc/profile

　　　在文件末尾添加scala路径

　　　

　　　输入 source /etc/profile 使路径生效

• 测试scala：scala -version   #若出现scala版本信息说明安装成功

PS：scala需要在所有slave节点上配置

3. 下载安装spark

• spark1.0.0下载地址，解压spark，放到/home/hadoop下

　　tar -xzvf spark-1.0.0-bin-hadoop2.tgz

• 配置spark环境变量：sudo vi /etc/profile

　　在文件末尾添加spark路径

　　

　　输入  source /etc/profile  使路径生效

• 配置conf/spark-env.sh文件

　　若没有该文件，则将 spark-env.sh.template 文件重命名即可，向文件中添加scala、java、hadoop路径以及master ip等信息。

　　mv spark-env.sh.template spark-env.sh

　　vi spark-env.sh

　　

　　

　　

• 在conf/slaves中添加slave节点的hostname一行一个：

　　vi slaves

　　

4. 在所有slave机器上安装配置spark

现在可以将master主机上的spark文件分发给所有的slave节点，注意slave与master的spark所在目录必须一致，因为master会登录到slave上执行命令，并认为slave的spark路径与自己一样
scp -r spark-1.0.0-bin-hadoop2 hadoop@slave:/home/hadoop/

5.启动spark集群
在master主机上执行命令：
cd ~/spark-1.0.0-bin-hadoop2/sbin
./start-all.sh
检测进程是否启动：输入 jps

配置完成
6. 下面体验一下spark自带的例子


./bin/run-example SparkPi

scala实现一个spark app

官方说明地址，这个小例子用于统计输入文件中字母“a”和字母“b”的个数。网站上提供了scala、java、python三种实现，这里就只做一下scala的吧，这里需要安装SBT（我们使用 sbt 创建、测试、运行和提交作业，可以简单将SBT看做是Scala世界的Maven）。

spark-1.0.0木有自带的sbt，我们可以选择手动安装，当然也可以选择sudo apt-get install sbt的方式（我的系统中木有找到sbt包，所以就只有手动安装咯）。安装方法如下：

• 下载：sbt下载地址，我下载的是现在的最新版本sbt-0.13.5
• 解压sbt到/home/hadoop/主目录下（hadoop是我的用户名，其实就是我的HOME啦）

　　tar -zxvf sbt-0.13.5.tgz

　　cd sbt/bin

　　java -jar sbt-launch.jar    #进行sbt安装，时间大约一个小时吧，会下载很多东东，所以记得要联网哦

• 成功后可以在/etc/profile中配置sbt的环境变量

　　sudo vi /etc/profile

　　

　　输入source /etc/profile 使路径生效

sbt安装完成，下面就来写这个简单的spark app吧

• 创建一个目录：mkdir ~/SimpleApp
• 在SimpleApp目录下，创建如下的目录结构：

• simple.sbt文件内容如下：

name := "Simple Project"
version := "1.0"
scalaVersion := "2.10.4"
libraryDependencies += "org.apache.spark" %% "spark-core" % "1.0.0"
resolvers += "Akka Repository" at "http://repo.akka.io/releases/"

• SimpleApp.scala文件内容如下：

/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object SimpleApp {
  def main(args: Array[String]) {
    val logFile = "YOUR_SPARK_HOME/README.md" // Should be some file on your system
    val conf = new SparkConf().setAppName("Simple Application")
    val sc = new SparkContext(conf)
    val logData = sc.textFile(logFile, ).cache()
    val numAs = logData.filter(line => line.contains("a")).count()
    val numBs = logData.filter(line => line.contains("b")).count()
    println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
  }
}

PS：由于我们之前在spark配置过程中将hadoop路径配置好了，因此这里的输入路径YOUR_SPARK_HOME/XXX实际上为HDFS文件系统中的文件，存储位置与hadoop配置文件core-site.xml中的<name>相关（具体可参见这里，这个地方很容易出错）。因此需要先将README.md文件put到hdfs上面：

• 编译：

　　cd ~/SimpleApp

　　sbt package     #打包过程，时间可能会比较长，最后会出现[success]XXX

　　PS：成功后会生成许多文件 target/scala-2.10/simple-project_2.10-1.0.jar等

• 运行：

　　spark-submit --class "SimpleApp" --master local target/scala-2.10/simple-project_2.10-1.0.jar

• 结果：

7. 停止spark集群

cd ~/spark-1.0.0-bin-hadoop2/sbin

./stop-all.sh

---

本文为原创博客，若转载请注明出处。