两台用的都是ubuntu
| IP | 主机名 |
|---|---|
| 192.168.22.137 | spark-master |
| 192.168.22.150 | spark-slave1 |
更改主机名
确定每个节点的主机名与它在集群中所处的位置相同
如果不同，需要修改vi /etc/hostname
重启生效
可能需要些安装某些工具包
- 更换sources源
vi /etc/apt/sources.list
deb http://mirrors.aliyun.com/ubuntu/ trusty main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ trusty-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ trusty-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ trusty-proposed main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ trusty-backports main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ trusty main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ trusty-security main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ trusty-updates main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ trusty-proposed main restricted universe multiverse
deb-src http://mirrors.aliyun.com/ubuntu/ trusty-backports main restricted universe multiverse
apt install net-tools
apt-get install iputils-ping
修改各主机的hosts文件
vi /etc/hosts
添加以下内容
192.168.22.137 spark-master
192.168.22.150 spark-slave1
SSH免密登录
我看了网上别人的说只需要安装server，但是我没有成功，我安装了server和client才行
apt-get install openssh-client
apt-get install openssh-server
# 启动ssh服务
etc/init.d/ssh start
关于ssh服务可以参照这个链接
http://linux.it.net.cn/e/server/ssh/2015/0501/14838.html
紧接着就是配置各主机的免密登录
- 所有的主机都需要生成私钥和公钥(直接回车)
ssh-keygen -t rsa
- 将所有主机的
~/.ssh/id_rsa.pub都要放在master节点的~/.ssh/目录下(最好更改用以区分)
我使用的lrzsz工具(有点笨)。之后再主机执行
你也可以使用scp ~/.ssh/id_rsa.pub root@<hostname|ip>:~/.ssh/id_rsa.pub.slave1
- 将所有公钥加到用于认证的公钥文件authorized_keys中
cat ~/.ssh/id_rsa.pub* >> ~/.ssh/authorized_keys
此时~/.ssh/再将~/.ssh/authorized_keys拷贝其他节点，到此个主机就完成了免密登录
验证一下:
ssh spark-master
ssh spark-slave1
如果出现如下，就说明你成功了
所需环境配置
准备软件
用的版本不是最新的，看个人需要，但要保证各软件的版本要互相支持
.
├── hadoop-2.6.5.tar.gz
├── jdk-8u171-linux-x64.tar.gz
├── scala-2.10.4.tgz
└── spark-1.6.3-bin-hadoop2.6.tgz
可直接去各大官网下载，如果你想省事，直接从网盘里下载也行
https://pan.baidu.com/s/1vSu-6OTMvkROCBsiJwbMWQ
统一配置环境
我将所有的软件放在/spark/software/目录下、解压与修改文件名，然后统一配置环境变量
vi /etv/profile
假如如下内容
export JAVA_HOME=/spark/software/java
export JRE_HOME=$JAVA_HOME/jre
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
export SCALA_HOME=/spark/software/scala
export PATH=$PATH:$SCALA_HOME/bin
export HADOOP_HOME=/spark/software/hadoop
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export YARN_HOME=/spark/software/hadoop
export YARN_CONF_DIR=${YARN_HOME}/etc/hadoop
然后执行source /etc/profile 另其生效
然后测试，出现如下说明成功了
当然你也可以吧hadoop和spark假如path中，这样就可以随时使用hdfs和spark-submit命令了
其他主机做同样的操作
提示：各主机最好都统一路径，这样修改一个文件，然后将文件直接远程拷贝到其他主机上就行了
HADOOP配置
在/spark/software/hadoop/etc/hadoop目录下需要配置以下几个文件：
hadoop-env.sh，
yarn-env.sh，
slaves，
core-site.xml，
hdfs-site.xml，
maprd-site.xml，
yarn-site.xml
hadoop-env.sh
export JAVA_HOME=/spark/software/java
yarn-env.sh
export JAVA_HOME=/spark/software/java
slaves
spark-slave1
(这里我只添加了一个slave，你也可以把master加上去)
core-site.xml
添加如下：
<property>
<name>fs.defaultFS</name>
<value>hdfs://spark-master:9000/</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/spark/software/hadoop/tmp</value>
</property>
hdfs-site.xml
添加如下：
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>spark-master:9001</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/spark/software/hadoop/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/spark/software/hadoop/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
maprd-site.xml
添加如下
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
<!-- 下面的视情况而配置你可以先只配置上面的即可 -->
<property>
<name>mapreduce.map.memory.mb</name>
<value>1536</value>
</property>
<property>
<name>mapreduce.map.java.opts</name>
<value>-Xmx1024M</value>
</property>
<property>
<name>mapreduce.reduce.memory.mb</name>
<value>1024</value>
</property>
<property>
<name>mapreduce.reduce.java.opts</name>
<value>-Xmx1024M</value>
</property>
yarn-site.xml
添加如下
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>spark-master:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>spark-master:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>spark-master:8035</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>spark-master:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>spark-master:8088</value>
</property>
<!-- 下面是情况而定 具体可以参考这里 http://blog.javachen.com/2015/06/05/yarn-memory-and-cpu-configuration.html-->
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>2000</value>
</property>
<property>
<name>yarn.scheduler.maximum-allocation-mb</name>
<value>2000</value>
</property>
以上配置完毕之后，要同步到其他主机上,因为配置了免密，可以这样操作
scp /spark/software/hadoop/etc/hadoop/ root@spark-slave1:/spark/software/hadoop/etc/hadoop/
HADOOP启动
进入/spark/software/hadoop目录下
- 格式化namenode
bin/hfds namenode -format
当出现“successful”的字样，就说明成功了
启动dfs
sbin/start-dfs.sh启动yarn
sbin/start-yarn.sh
接下来验证，spark-master 执行jps，有以下几个进程
27570 SecondaryNameNode
27720 ResourceManager
27356 NameNode
32476 Jps
每个slave上应该有以下几个进程
18324 DataNode
18489 NodeManager
21055 Jps
可以在任意一台主机上的浏览器输入
http://spark-master:8088/cluster/nodes yarn管理界面
http://spark-master:50070 hdfs页面
spark 环境
在/spark/software/spark/conf目录下修改spark-env.sh(需先拷贝spark-env.sh.template)文件
export SCALA_HOME=spark/software/scala
export JAVA_HOME=/spark/software/java
export HADOOP_HOME=/spark/software/hadoop
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_MASTER_IP=spark-master
SPARK_LOCAL_DIRS=/spark/software/spark
SPARK_DRIVER_MEMORY=1G
同样在slaves文件中添加子节点
spark-slave1
同样将这两个文件发送到其他主机对应位置
然后在/spark/software/spark目录下执行
sbin/start-all.sh
浏览器输入
http://spark-master:8080/
到此就搭建好了
运行
spark提供了很多例子，我们直接运行即可
# 本地运行
bin/spark-submit examples/src/main/python/pi.py 10 --master local[4]
# Spark Standalone 集群模式运行
bin/spark-submit examples/src/main/python/pi.py 10 --master spark://spark-master:7077
# Spark on YARN 集群上 yarn-cluster 模式运行
bin/spark-submit \
--class com.spark.WordCount \
--master yarn-client \
--driver-memory 1g \
--executor-cores 1 \
simple/word-count-1.0-SNAPSHOT.jar # 自己写的单词统计，文件放在了hdfs上
这里注意spark内存使用的配置
遇到的问题
Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources
暂时未解决
集群配置参考
- http://wuchong.me/blog/2015/04/04/spark-on-yarn-cluster-deploy/
- https://www.jianshu.com/p/aa6f3a366727
