Spark环境搭建——standalone集群模式

2024-02-15 13:19:28

这篇博客，Alice为大家带来的是Spark集群环境搭建之——standalone集群模式。

文章目录

集群角色介绍

Spark是基于内存计算的大数据并行计算框架，实际中运行计算任务肯定是使用集群模式，那么我们先来学习Spark自带的standalone集群模式了解一下它的架构及运行机制。

        Standalone集群使用了分布式计算中的master-slave模型
        master是集群中含有master进程的节点
        slave是集群中的worker节点含有Executor进程

Spark架构图如下:

更多详细内容可以参见官网上的解释:

http://spark.apache.org/docs/latest/cluster-overview.html

集群规划

假设集群中有三台节点，node01，node02，node03

        node01：master
        node02：slave/worker
        node03：slave/worker

修改配置并分发

修改Spark配置文件
cd /export/servers/spark/conf
mv spark-env.sh.template spark-env.sh
vim spark-env.sh

#配置java环境变量
export JAVA_HOME=/export/servers/jdk1.8
#指定spark老大Master的IP
export SPARK_MASTER_HOST=node01
#指定spark老大Master的端口
export SPARK_MASTER_PORT=7077

mv slaves.template slaves
vim slaves

node02
node03

注意:
配置spark环境变量（建议不添加，避免和Hadoop的命令冲突）
export SPARK_HOME=/export/servers/spark export PATH=$PATH:$SPARK_HOME/bin
解决方案:
1.把其中一个框架的sbin从环境变量中去掉
2.改名 hadoop/sbin/start-all.sh 改为: start-all-hadoop.sh

通过scp 命令将配置文件分发到其他机器上
scp -r /export/servers/spark node02:/export/servers
scp -r /export/servers/spark node03:/export/servers
scp /etc/profile root@node02:/etc
scp /etc/profile root@node03:/etc
source /etc/profile 刷新配置

启动和停止

集群的启动和停止

在主节点上启动Spark集群
/export/servers/spark/sbin/start-all.sh

在主节点上停止spark集群
/export/servers/spark/sbin/stop-all.sh

单独启动和停止

在 master 安装节点上启动和停止 master：

start-master.sh
stop-master.sh

        在 Master 所在节点上启动和停止worker(work指的是slaves 配置文件中的主机名)
        start-slaves.sh
        stop-slaves.sh

查看web界面

正常启动Spark集群后，查看Spark的web界面

http://node01:8080/

经过翻译后的页面如下:

测试

需求:

使用集群模式运行Spark程序读取HDFS上的文件并执行WordCount

集群模式启动spark-shell

/export/servers/spark/bin/spark-shell --master spark://node01:7077

运行程序

sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _)
.saveAsTextFile("hdfs://node01:8020/wordcount/output2")