spark1.6分布式集群环境搭建

1. 概述

本文是对spark1.6.0分布式集群的安装的一个详细说明,旨在帮助相关人员按照本说明能够快速搭建并使用spark集群。

 

2. 安装环境

本安装说明的示例环境部署如下:

IP 外网IP hostname 备注
10.47.110.38 120.27.153.137 iZ237654q6qZ Master、Slaver
10.24.35.51 114.55.56.190 iZ23pd81xqaZ Slaver
10.45.53.136 114.55.11.55 iZ23mr5ukpzZ Slaver
10.24.35.76 114.55.56.228 iZ23v8c9mqpZ Slaver


各软件版本:

  • Java:jdk-8u60-linux-x64.tar.gz
  • Scala:2.10.4
  • Spark:1.6.0
  • Hadoop:CDH-5.4.5-1.cdh5.4.5.p0.7

 

3. 安装前准备

3.1 在每台机添加hosts(root用户)

修改文件/etc/hosts(或者/etc/sysconfig/network),添加以下内容:

10.47.110.38       iZ237654q6qZ

10.24.35.51          iZ23pd81xqaZ

10.45.53.136       iZ23mr5ukpzZ

10.24.35.76          iZ23v8c9mqpZ

注意:主机名必须和hosts文件中的名称保持一致!   

 

3.2 每个spark节点上创建一个用户(root用户)

# adduser spark

# passwd spark

密码统一设为:spark

spark1.6分布式集群环境搭建


3.3 每台机安装java(root用户)

3.3.1 下载java

下载地址:http://www.oracle.com/technetwork/java/javase/downloads/java-archive-javase8-2177648.html#jdk-8u60-oth-JPR

 

3.3.2 解压到指定目录

# tar -zxvf jdk-8u60-linux-x64.tar.gz -C /usr/local/

spark1.6分布式集群环境搭建

         建立软链接以方便以后更改java版本

         # ln -sf/usr/local/jdk1.8.0_60/ /usr/local/jdk

spark1.6分布式集群环境搭建


3.3.3 配置环境变量

更改全局配置文件/etc/profile

# vim /etc/profile

在文件最后添加:

export JAVA_HOME=/usr/local/jdk         //添加java home

export PATH=.:$JAVA_HOME/bin:$PATH                 //将scala路径添加进环境变量

spark1.6分布式集群环境搭建

注意:在修改完profile后,需要输入以下命令进行更新,否则不会立即生效:

       # source /etc/profile

 

3.3.4 验证

输入java -version验证是否已配置成功

# java -version

spark1.6分布式集群环境搭建

 

3.4 每台机安装scala(root用户)

3.4.1 下载scala

下载地址:http://www.scala-lang.org/download/2.10.4.html

 

3.4.2 解压到指定目录

# tar -zxvf scala-2.10.4.tgz -C /usr/local/

spark1.6分布式集群环境搭建

建立软链接以方便以后更改scala版本

# ln -sf /usr/local/scala-2.10.4/ /usr/local/scala

spark1.6分布式集群环境搭建

 

3.4.3 配置环境变量

更改全局配置文件/etc/profile

# vim /etc/profile

在JAVA_HOME最后添加:

export SCALA_HOME=/usr/local/scala           //添加scala home

更改path路径,添加scala环境

export PATH=.:$JAVA_HOME/bin: $SCALA_HOME/bin:$PATH               //将scala路径添加进环境变量

spark1.6分布式集群环境搭建

注意:在修改完profile后,需要输入以下命令进行更新,否则不会立即生效:

       # source /etc/profile

 

3.4.4 验证

输入scala -version验证是否已配置成功

# scala -version

spark1.6分布式集群环境搭建

 

3.5 每台机安装ssh并配置无密码连接(安装openssh使用root,其他使用spark)

3.5.1 安装openssh

# yum install -y openssh-server

spark1.6分布式集群环境搭建

注意:从这里开始使用spark用户,执行命令su - spark切换到spark用户

3.5.2 生成密钥

# ssh-keygen -t rsa -P ''(然后回车)

执行完这个命令后,会生成两个文件id_rsa(私钥)、id_rsa.pub(公钥)

spark1.6分布式集群环境搭建

 

3.5.3 分享公钥到其他主机

在每台机上将公钥拷贝到要免登陆的机器上

            # ssh-copy-id iZ237654q6qZ

            # ssh-copy-id iZ23pd81xqaZ

            # ssh-copy-id iZ23mr5ukpzZ

            # ssh-copy-id iZ23v8c9mqpZ

spark1.6分布式集群环境搭建

 

3.5.4 验证是否免密码

输入以下命令,如果没有提示输入密码就直接登入,则配置成功:

         # ssh iZ23mr5ukpzZ

spark1.6分布式集群环境搭建

验证成功后退出登录:

         # exit

spark1.6分布式集群环境搭建


3.6 每台机关闭防火墙等服务(root)

# service iptables stop

# chkconfig iptables off                     //关闭开机启动防火墙

 

 

4 spark部署(spark用户)

4.1 下载spark

下载地址:http://mirrors.hust.edu.cn/apache/spark/spark-1.6.0/spark-1.6.0-bin-hadoop2.6.tgz

 

4.2 配置spark环境变量

解压到/home/spark目录

            $ tar -zxvfspark-1.6.0-bin-hadoop2.6.tgz


            建立软链接

            $ ln -sf spark-1.6.0-bin-hadoop2.6spark

spark1.6分布式集群环境搭建

配置环境变量,编辑/home/spark目录下的bash_profile

$ vim ~/.bash_profile

添加以下两行(如果原来里面最后有path相关的两行,先删掉):

export SPARK_HOME=/home/spark/spark

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

spark1.6分布式集群环境搭建

配置完成后同样的source以下,使之生效

$ source ~/.bash_profile

 

4.3 配置spark

首先新建好spark用到的目录(使用root用户,只有这里使用root用户,每台机):

$ mkdir /data                   //存储数据的总目录

$ mkdir /data/spark                  //spark数据存储主目录

$ mkdir /data/spark/local       //spark存储本地数据的目录

$ mkdir /data/spark/log          //spark存储日志的目录

$ mkdir /data/spark/work      //spark存储worker日志等信息的目录

$ chmod -R 777 /data/            //将/data目录权限设置为最大

spark1.6分布式集群环境搭建

 

4.3.1 配置spark-env.sh

       Spark-env.sh文件中配置了spark运行时的一些环境、依赖项以及master和slaver的资源配置。        

$ cd spark              //进入spark目录        

$ cp conf/spark-env.sh.template conf/spark-env.sh              //将spark-env.sh.template复制一份为spark-env.sh

spark1.6分布式集群环境搭建 

因为我们是部署standalone模式,可以参考配置文件中注释项的提示:

spark1.6分布式集群环境搭建

spark1.6分布式集群环境搭建

spark1.6分布式集群环境搭建


添加以下内容:

配置项

说明

SPARK_LOCAL_IP= 10.47.110.38

本机ip或hostname(不同主机配置不同)

SPARK_LOCAL_DIRS=/data/spark/local

配置spark的local目录

 

 

SPARK_MASTER_IP= 10.47.110.38

master节点ip或hostname

SPARK_MASTER_WEBUI_PORT=8080

web页面端口

SPARK_WORKER_CORES=2

Worker的cpu核数

SPARK_WORKER_MEMORY=8g

worker内存大小

SPARK_WORKER_DIR=/data/spark/work

worker目录

 

 

export SPARK_MASTER_OPTS="-Dspark.deploy.defaultCores=4"

spark-shell启动使用核数

export SPARK_WORKER_OPTS="-Dspark.worker.cleanup.enabled=true -Dspark.worker.cleanup.appDataTtl=604800"

worker自动清理及清理时间间隔

 

 

export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://systex/user/spark/applicationHistory"

history server页面端口、备份数、log日志在HDFS的位置(注意,需要在HDFS上新建对应的路径)

 

 

SPARK_LOG_DIR=/data/spark/log

配置Spark的log日志目录

 

 

export JAVA_HOME=/usr/local/jdk/

配置java路径

export SCALA_HOME=/usr/local/scala/

配置scala路径

export HADOOP_HOME=/opt/cloudera/parcels/CDH/lib/hadoop

配置hadoop的lib路径

export HADOOP_CONF_DIR=/etc/hadoop/conf

配置hadoop的配置路径

 

4.3.2 配置spark-defaults.conf

Spark-default.conf文件中主要配置的是与在spark上运行任务有关的一些参数,以及对executor等的配置。

spark1.6分布式集群环境搭建

添加以下内容:

配置项

说明

spark.eventLog.enabled  true

eventLog是否生效(建议开启,可以对已完成的任务记录其详细日志)

spark.eventLog.compress  true

eventLog是否启用压缩(cpu性能好的情况下建议开启,以减少内存等的占用)

spark.eventLog.dir     hdfs://systex/user/spark/applicationHistory

eventLog的文件存放位置,与spark-env.sh中的history server配置位置一致

 

 

spark.broadcast.blockSize       8m

广播块大小

spark.executor.cores    1

Executor的cpu核数

spark.executor.memory   512m

Executor的内存大小

spark.executor.heartbeatInterval        20s

Executor心跳交换时间间隔

spark.files.fetchTimeout        120s

文件抓取的timeout

 

 

spark.task.maxFailures  6

作业最大失败次数(达到此次数后,该作业不再继续执行,运行失败)

spark.serializer        org.apache.spark.serializer.KryoSerializer

设置序列化机制(默认使用java的序列化,但是速度很慢,建议使用Kryo)

spark.kryoserializer.buffer.max         256m

序列化缓冲大小

 

 

spark.akka.frameSize    128

Akka调度帧大小

 

 

spark.default.parallelism    20

默认并行数

 

 

spark.network.timeout   300s

最大网络延时

 

 

spark.speculation       true

Spark推测机制(建议开启)

spark1.6分布式集群环境搭建


4.3 配置slaves

在conf目录下有slaves文件,在其中配置slaves的hostname

$ cp conf/slaves.template conf/slaves

$ vim conf/slaves

spark1.6分布式集群环境搭建

添加各个slave节点的hostname:

spark1.6分布式集群环境搭建


至此,我们就将spark需要配置的东西全部配置完成,将spark整个目录复制到其他主机:

            $scp -r /home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23pd81xqaZ:/home/spark/

            $scp -r /home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23mr5ukpzZ:/home/spark/

$ scp -r/home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23v8c9mqpZ:/home/spark/

 

在相应的主机创建对应的spark软链接,并将spark-env.shSPARK_LOCAL_IP改为对应的ip即可。

 

 

5. 启动spark并测试(spark用户)

现在我们启动spark,在master节点执行以下命令:

$ cd /home/spark/spark

$ ./sbin/start-all.sh                    //启动master和slaves

$ ./sbin/start-history-server.sh        //启动history server


使用jps命令查看是否成功启动:

检查进程是否启动【在master节点上出现“Master”,在slave节点上出现“Worker”】

spark1.6分布式集群环境搭建

spark1.6分布式集群环境搭建



## 监控页面URL http:// 120.27.153.137:8080/

spark1.6分布式集群环境搭建

运行spark-pi:

spark-submit  --master spark://10.47.110.38:7077 --classorg.apache.spark.examples.SparkPi --name Spark-Pi /home/spark/spark/lib/spark-examples-1.6.0-hadoop2.6.0.jar

能看到如下结果:

spark1.6分布式集群环境搭建

spark1.6分布式集群环境搭建

成功!

上一篇:什么是分布式系统,这么讲不信你不会


下一篇:防止数据加密劫持网络:这四大策略你需要get起来