Spark集群搭建

Standalone模式

• 1、上传解压

  tar -zxvf spark-2.4.5-bin-hadoop2.7.tgz -C /usr/local/soft
  mv spark-2.4.5-bin-hadoop2.7 spark-2.4.5
  

• 2、修改配置文件

  # 重命名文件
  cp spark-env.sh.template spark-env.sh
  cp slaves.template slaves
  

  增加配置：vim spark-env.sh

  master相当于RM worker相当于NM

  export SPARK_MASTER_IP=master
  export SPARK_MASTER_PORT=7077
  export SPARK_WORKER_CORES=2
  export SPARK_WORKER_INSTANCES=1
  export SPARK_WORKER_MEMORY=2g
  export JAVA_HOME=/usr/local/soft/jdk1.8.0_171
  

  增加从节点配置：vim slaves

  以node1、node2作为从节点

  node1
  node2
  

• 3、复制到其它节点

  cd /usr/local/soft/
  scp -r spark-2.4.5 node1:`pwd`
  scp -r spark-2.4.5 node2:`pwd`
  

• 4、配置环境变量

• 5、在主节点执行启动命令

  注意：start-all.sh 与Hadoop的sbin目录中的启动命令有冲突

  cd /usr/local/soft/spark-2.4.5/
  ./sbin/start-all.sh	
  

• 6、访问Spark Web UI

  http://master:8080/
  

• 7、测试及使用

  切换目录：cd /usr/local/soft/spark-2.4.5/examples/jars

  standalone client模式 ：日志在本地输出，一般用于上线前测试

  • 提交自带的SparkPi任务

    spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 --executor-memory 512m --total-executor-cores 1 spark-examples_2.11-2.4.5.jar 100
    

  standalone cluster模式：上线使用，不会在本地打印日志

  • 提交自带的SparkPi任务

    spark-submit --class org.apache.spark.examples.SparkPi --master spark://master:7077 --executor-memory 512M --total-executor-cores 1 --deploy-mode cluster spark-examples_2.11-2.4.5.jar 100
    

• 8、其他运行方式

  • spark-shell spark 提供的一个交互式的命令行，可以直接写代码

    spark-shell master spark://master:7077
    

On Yarn模式

在公司一般不适用standalone模式

因为公司一般已经有yarn，不需要搞两个资源管理框架

Spark整合yarn只需要在一个节点整合，可以删除node1和node2中所有的Spark文件

• 1、停止Spark Standalone模式集群

  # 切换目录
  cd /usr/local/soft/spark-2.4.5/
  # 停止集群
  ./sbin/stop-all.sh
  

• 2、增加hadoop 配置文件地址

  vim spark-env.sh
  # 增加HADOOP_CONF_DIR
  export HADOOP_CONF_DIR=/usr/local/soft/hadoop-2.7.6/etc/hadoop
  

• 3、关闭Yarn

  stop-yarn.sh
  

• 4、修改Yarn配置

  cd /usr/local/soft/hadoop-2.7.6/etc/hadoop/
  vim yarn-site.xml
  
  # 加入如下配置
      <property>
          <name>yarn.nodemanager.pmem-check-enabled</name>
          <value>false</value>
      </property>
  
      <property>
          <name>yarn.nodemanager.vmem-check-enabled</name>
          <value>false</value>
      </property>
  

• 5、同步到其他节点

  scp -r yarn-site.xml node1:`pwd`
  scp -r yarn-site.xml node2:`pwd`
  

• 6、启动Yarn

  start-yarn.sh
  

• 7、测试及使用

  切换目录：cd /usr/local/soft/spark-2.4.5/examples/jars

  Spark on Yarn Client模式：日志在本地输出，一班用于上线前测试

  • 提交自带的SparkPi任务

    spark-submit --class org.apache.spark.examples.SparkPi --master yarn-client --executor-memory 512M --num-executors 2 spark-examples_2.11-2.4.5.jar 100
    

  Spark on Yarn Cluster模式：上线使用，不会在本地打印日志

  • 提交自带的SparkPi任务

    spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster --executor-memory 512m --num-executors 2 --executor-cores 1 spark-examples_2.11-2.4.5.jar 100
    

  • 获取yarn程序执行日志 执行成功之后才能获取到

    yarn logs -applicationId application_1652086375126_0002
    

• 8、开启Spark On Yarn的WEB UI

  修改配置文件：

  # 切换目录
  cd /usr/local/soft/spark-2.4.5/conf
  
  # 去除后缀
  cp spark-defaults.conf.template spark-defaults.conf
  
  # 修改spark-defaults.conf
  vim spark-defaults.conf
  
  # 加入以下配置
  spark.eventLog.enabled  true
  spark.eventLog.dir      hdfs://master:9000/user/spark/applicationHistory
  spark.yarn.historyServer.address        master:18080
  spark.eventLog.compress true
  spark.history.fs.logDirectory   hdfs://master:9000/user/spark/applicationHistory
  spark.history.retainedApplications      15
  

  创建HDFS目录用于存储Spark History日志

  hdfs dfs -mkdir -p /user/spark/applicationHistory
  

  启动Spark History Server

  cd /usr/local/soft/spark-2.4.5/
  ./sbin/start-history-server.sh