Spark的安裝及配置

本文做者： foochane 
本文連接： https://foochane.cn/article/2019051904.html

1 安裝說明

在安裝spark以前，須要安裝hadoop集羣環境，若是沒有能夠查看：Hadoop分佈式集羣的搭建

1.1 用到的軟件

軟件	版本	下載地址
linux	Ubuntu Server 18.04.2 LTS	https://www.ubuntu.com/downlo...
hadoop	hadoop-2.7.1	http://archive.apache.org/dis...
java	jdk-8u211-linux-x64	https://www.oracle.com/techne...
spark	spark-2.4.3-bin-hadoop2.7	https://www.apache.org/dyn/cl...
scala	scala-2.12.5	http://www.scala-lang.org/dow...
Anaconda	Anaconda3-2019.03-Linux-x86_64.sh	https://www.anaconda.com/dist...

1.2 節點安排

名稱	ip	hostname
主節點	192.168.233.200	Master
子節點1	192.168.233.201	Slave01
子節點2	192.168.233.202	Slave02

2 安裝Spark

2.1 解壓到安裝目錄

$ tar zxvf spark-2.4.3-bin-hadoop2.7.tgz -C /usr/local/bigdata/
$ cd /usr/local/bigdata/
$ mv spark-2.4.3-bin-hadoop2.7 spark-2.4.3

2.2 修改配置文件

配置文件位於/usr/local/bigdata/spark-2.4.3/conf目錄下。

(1) spark-env.sh

將spark-env.sh.template重命名爲spark-env.sh。
添加以下內容：

export SCALA_HOME=/usr/local/bigdata/scala
export JAVA_HOME=/usr/local/bigdata/java/jdk1.8.0_211
export HADOOP_HOME=/usr/local/bigdata/hadoop-2.7.1
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_MASTER_IP=Master
SPARK_LOCAL_DIRS=/usr/local/bigdata/spark-2.4.3
SPARK_DRIVER_MEMORY=512M

(2)slaves

將slaves.template重命名爲slaves
修改成以下內容：

Slave01
Slave02

2.3 配置環境變量

在~/.bashrc文件中添加以下內容，並執行$ source ~/.bashrc命令使其生效

export SPARK_HOME=/usr/local/bigdata/spark-2.4.3
export PATH=$PATH:/usr/local/bigdata/spark-2.4.3/bin:/usr/local/bigdata/spark-2.4.3/sbin

3 運行Spark

先啓動hadoop

$ cd $HADOOP_HOME/sbin/
$ ./start-dfs.sh
$ ./start-yarn.sh
$ ./start-history-server.sh

而後啓動啓動sapark

$ cd $SPARK_HOME/sbin/
$ ./start-all.sh
$ ./start-history-server.sh

要注意的是：其實咱們已經配置的環境變量，因此執行start-dfs.sh和start-yarn.sh能夠不切換到當前目錄下，可是start-all.sh、stop-all.sh和/start-history-server.sh這幾個命令hadoop目錄下和spark目錄下都同時存在，因此爲了不錯誤，最好切換到絕對路徑下。

spark啓動成功後，能夠在瀏覽器中查看相關資源狀況：http://192.168.233.200:8080/，這裏192.168.233.200是Master節點的IP

4 配置Scala環境

spark既可使用Scala做爲開發語言，也可使用python做爲開發語言。

4.1 安裝Scala

spark中已經默認帶有scala，若是沒有或者要安裝其餘版本能夠下載安裝包安裝，過程以下：
先下載安裝包，而後解壓

$ tar zxvf scala-2.12.5.tgz -C /usr/local/bigdata/

而後在~/.bashrc文件中添加以下內容，並執行$ source ~/.bashrc命令使其生效

export SCALA_HOME=/usr/local/bigdata/scala-2.12.5
export PATH=/usr/local/bigdata/scala-2.12.5/bin:$PATH

測試是否安裝成功，能夠執行以下命令：

scala -version

Scala code runner version 2.12.5 -- Copyright 2002-2018, LAMP/EPFL and Lightbe

4.2 啓動Spark shell界面

執行 spark-shell --master spark://master:7077命令，啓動spark shell。

hadoop@Master:~$ spark-shell --master spark://master:7077
19/06/08 08:01:49 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Spark context Web UI available at http://Master:4040
Spark context available as 'sc' (master = spark://master:7077, app id = app-20190608080221-0002).
Spark session available as 'spark'.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 2.4.3
      /_/

Using Scala version 2.11.12 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_211)
Type in expressions to have them evaluated.
Type :help for more information.

scala>

5 配置python環境

5.1 安裝python

系統已經默認安裝了python，可是爲了方便開發，推薦能夠直接安裝Anaconda，這裏下載的是安裝包是Anaconda3-2019.03-Linux-x86_64.sh，安裝過程也很簡單，直接執行$ bash Anaconda3-2019.03-Linux-x86_64.sh便可。

5.2 啓動PySpark的客戶端

執行命令：$ pyspark --master spark://master:7077

具體以下：

hadoop@Master:~$ pyspark --master spark://master:7077
Python 3.6.3 |Anaconda, Inc.| (default, Oct 13 2017, 12:02:49)
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
19/06/08 08:12:50 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.4.3
      /_/

Using Python version 3.6.3 (default, Oct 13 2017 12:02:49)
SparkSession available as 'spark'.
>>>
>>>