Spark集群搭建【Spark+Hadoop+Scala+Zookeeper】

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

一.安装Linux

需要：3台CentOS7虚拟机

注意：

虚拟机的网络设置为NAT模式，NAT模式可以在断网的情况下连接上虚拟机而桥架模式不行！

二.设置静态IP

跳转目录到：

修改IP设置：

备注：执行scp命令拷贝设置文件到另外两个节点，修改IP分别为192.168.136.8和192.168.136.9

三.安装JDK

参考我的博客：https://www.cnblogs.com/yszd/p/10140327.html

四.运行Spark预编译包中的实例

1.测试Scala代码实例

执行：

运行Scala版本计算Pi的代码实例结果：

表示运行成功！

2.测试python代码实例

执行：

运行python版本计算Pi的代码实例，注意，若要是遇到下面的异常：

表示没有指定ip，这是需要修改配置文件spark-env.sh，前往conf目录下执行

拷贝配置模板文件，并修改为spark-env.sh，执行

打开配置文件，添加，指定默认ip。

然后继续执行计算Pi代码命令：

结果如下：

表示执行成功！

五.本地体验Spark

1.执行命令进入Spark交互模式

2.编写简单代码实例

执行结果：

六.免密码登录

参考我的博客：https://www.cnblogs.com/yszd/p/10123911.html

备注：如果是使用root或高权限的账号操作的，那么authorized_keys文件本身权限就够，无需追加权限，否则可以使用chmod添加权限。另外，各个节点首次访问时需要输入密码！

七.Zookeeper集群部署

1.上传zookeeper到集群的各个节点

2.修改配置，指定datadir和集群节点配置

　　initLimit=

　　syncLimit=

　　dataDir=/hadoop/zookeeper

　　dataLogDir=/usr/local/soft/zookeeper-3.4./log

　　clientPort=

　　#maxClientCnxns=

　　server. = master::

　　server. = slave01::

　　server. = slave02::

3.配置myid

注意：内容为上面server.x中的x

4.启动zookeeper节点，查看节点运行状态

注意：节点zhen启动异常，查看zoo.cfg配置是否正确及防火墙是否已经关闭，确定无误后等待zookeeper自启！

异常节点zhen启动成功，zookeeper集群搭建完成！

八.Spark Standalone集群搭建

安装scala环境

下载地址：https://www.scala-lang.org/download/2.11.12.html

下拉到最下面，选择scala-2.11.12.rpm使用rpm安装：

上传到集群：

执行命令：rpm -ivh scala-2.11.12.rpm安装scala环境,输入scala -version检测是否安装成功

表示安装成功！

配置环境变量，编辑etc/profile，添加：

九.Hadoop3.2.1完全分布式搭建

1.下载文件

https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-3.2.1/hadoop-3.2.1.tar.gz

2.上传并解压Hadoop文件

3.修改相应配置文件

3.1 etc/profile:

3.2 HADOOP_HOME/etc/hadoop/hadoop-env.sh

3.3 HADOOP_HOME/etc/hadoop/slaves，注意：在Hadoop3.1之后，slaves改为workers

3.4 HADOOP_HOME/etc/hadoop/core-site.xml

　　　　<configuration>

        　　<property>

                <name>fs.default.name</name>

                <value>hdfs://master:9000</value>

        　　</property>

        　　<property>

                <name>io.file.buffer.size</name>

                <value>131072</value>

        　　</property>

        　　<property>

                <name>hadoop.tmp.dir</name>

                <value>/usr/local/soft/hadoop-3.2.1/tmp</value>

       　　 </property>

　　　　</configuration>

3.5 HADOOP_HOME/etc/hadoop/hdfs-site.xml

　　　　<configuration>

        　　<property>

                <name>dfs.replication</name>

                <value>2</value>

        　　</property>

       　　 <property>

                <name>dfs.namenode.name.dir</name>

                <value>file:/usr/local/soft/hadoop-3.2.1/hdfs/name</value>

        　　</property>

       　　 <property>

                <name>dfs.datanode.data.dir</name>

                <value>file:/usr/local/soft/hadoop-3.2.1/hdfs/data</value>

        　　</property>

        　　<property>

                <name>dfs.namenode.secondary.http-address</name>

                <value>master:50090</value>

        　　</property>

　　　　</configuration>

3.6 HADOOP_HOME/etc/hadoop/mapred-site.xml

　　　　<configuration>

        　　<property>

                <name>mapreduce.framework.name</name>

                <value>yarn</value>

        　　</property>

　　　　</configuration>

注意：在Hadoop3.1之后，为了避免在执行任务时报一下错误：

要额外添加一下配置（也就是上面报错信息提到的配置）：

3.7 HADOOP_HOME/etc/hadoop/yarn-site.xml

　　　　<configuration>

        　　<property>

                <name>yarn.nodemanager.aux-services</name>

                <value>mapreduce_shuffle</value>

        　　</property>

        　　<property>

                <name>yarn.resourcemanager.hostname</name>

                <value>master</value>

       　　 </property>

       　　 <property>

                <name>yarn.log-aggregation-enable</name>

                <value>true</value>

        　　</property>

        　　<property>

                <name>yarn.log-aggregation.retain-seconds</name>

                <value>604800</value>

       　　 </property>

　　　　</configuration>

3.8 格式化Hadoop

执行：hdfs namenode -format

4.拷贝Hadoop到Worker节点

执行命令：scp -r /usr/local/soft/hadoop-3.2.1 root@worker1:/usr/local/soft

执行命令：scp -r /usr/local/soft/hadoop-3.2.1 root@worker2:/usr/local/soft

5.在浏览器上输入：master:50070查看，注意：在Hadoop3.1之后，端口修改为9870

表示安装成功！

十.Spark-2.4.4完全分布式搭建

1.下载安装文件

https://www.apache.org/dyn/closer.lua/spark/spark-2.4.4/spark-2.4.4-bin-hadoop2.7.tgz

2.上传并解压安装文件

3.修改相应的配置文件

3.1 etc/profile

3.2 SPARK_HOME/conf/spark-env.sh

3.3 SPARK_HOME/conf/slaves

十一.编辑集群的脚本

1.启动脚本

#!/bin/bash

echo -e "=========================Start spark cluster=================================="

echo -e "Starting Hadoop..."

/usr/local/soft/hadoop-3.2.1/sbin/start-all.sh

echo -e "Starting Spark..."

/usr/local/soft/spark-2.4.4-bin-hadoop2.7/sbin/start-all.sh

echo -e "The Result of the Command \"jps\""

jps

echo -e "=================================End=========================================="

注意：如果jps没有namenode，则说明namenode元数据损坏，这时需要前往bin目录下，执行：hadoop namenode -format重建一下

2.关闭脚本

#!/bin/bash

echo -e "=========================Stop spark cluster=================================="

echo -e "Stoping Hadoop..."

/usr/local/soft/hadoop-3.2.1/sbin/stop-all.sh

echo -e "Stoping Spark..."

/usr/local/soft/spark-2.4.4-bin-hadoop2.7/sbin/stop-all.sh

echo -e "The Result of the Command \"jps\""

jps

echo -e "=================================End=========================================="