正文

Spark1.0.0 开发环境高速搭建

IP云
IP云V管理员/10 阅读
06/27
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示
      在本系列博客中。为了解析一些概念、解析一些架构、代码測试。搭建了一个实验平台。例如以下图所看到的：

      本实验平台是在一台物理机上搭建的。物理机的配置是16G内存，4核8线程CPU。

平台的环境配置例如以下：

 机器名 配置 角色 软件安装
 hadoop1 2G内存。双核 hadoop：NN/DN Spark：Master/worker /app/hadoop/hadoop220
/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
 hadoop2 2G内存。双核 hadoop：DN Spark：worker /app/hadoop/hadoop220
/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
 hadoop3 2G内存。双核 hadoop：DN Spark：worker /app/hadoop/hadoop220
/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
 wyy 16G内存，四核 client /app/hadoop/hadoop220
以上hadoop和spark安装文件夹的用户属性都是hadoop（组别为hadoop）。其它的安装文件夹的用户属性是root:root。

      实验平台搭建顺序
1：虚拟集群的搭建
A：hadoop2.2.0集群搭建
參见博客 hadoop2.2.0測试环境搭建 
或者參看视频 http://pan.baidu.com/s/1qWqFY4c 提取password:xv4i
B：Spark1.0.0 Standalone集群搭建
參见博客 Spark1.0.0 on Standalone 模式部署 

2：开发端的搭建
      client採用的Ubuntu操作系统。而Spark虚拟集群採用的是CentOS。默认的java安装文件夹两个操作系统是不一样的，所以在Ubuntu下安装java的时候特意将java的安装路径改成和CentOS一样。不然的话，每次scp了虚拟集群的配置文件之后，要改动hadoop-env.sh中的java配置。
      clienthadoop2.2.0和Spark1.0.0是直接从虚拟集群中scp出来的。放置在同样的文件夹下，拥有同样的用户属性。
      开发用的IDE採用IntelliJ IDEA。项目的搭建參见博客使用IntelliJ IDEA开发Spark1.0.0应用程序。
      应用程序的部署和调试參见博客应用程序部署工具spark-submit 。

3：实验数据来源
      实验用的数据来源于搜狗实验室下载地址为：http://download.labs.sogou.com/resources.html?v=1
  • 互联网语料库(SogouT)
  • 网页搜索结果评价(SogouE)
  • 链接关系库(SogouT-Link)
  • SogouRank库(SogouT-Rank)
  • 用户查询日志(SogouQ)
  • 互联网词库(SogouW)

4：伪分布式实验平台搭建
      上面的实验平台是将hadoop集群、Spark集群和开发环境分离，更接近生产系统；但非常多朋友的物理机配置可能偏低，那样的话能够採用伪分布式部署。但伪分布式会有一些缺陷：
  • spark的数据本地性不易測试
  • 对于并行性不易理解
  • job调度不易理解
      至于伪分布式的部署非常easy，步骤和虚拟集群搭建差点儿相同，仅仅要改动两个地方：
  • ssh无password登陆仅仅须要ssh一下本机
  • hadoop和spark的配置文件salves改动成本机机器名

5：调试工具
  • 日志配置（尚未撰写博客。近期写完补上链接）
  • history server配置
  • job server配置（尚未撰写博客。近期写完补上链接）