spark环境配置.docx
《spark环境配置.docx》由会员分享，可在线阅读，更多相关《spark环境配置.docx（7页珍藏版）》请在冰豆网上搜索。
spark环境配置
一、安装JDK、Hadoop、Spark、Scala等，搭建spark集群
环境:
CentOS6.4,Hadoop1.1.2,JDK1.7,Spark0.7.2,Scala2.9.3
折腾了几天，终于把Spark集群安装成功了，其实比hadoop要简单很多，由于网上搜索到的博客大部分都还停留在需要依赖mesos的版本，走了不少弯路。
1.安装JDK1.7
yumsearchopenjdk-develsudoyuminstalljava-1.7.0-openjdk-devel.x86_64/usr/sbin/alternatives--configjava/usr/sbin/alternatives--configjavacsudovim/etc/profile#addthefollowinglinesattheendexportJAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.19.x86_64exportJRE_HOME=$JAVA_HOME/jreexportPATH=$PATH:
$JAVA_HOME/binexportCLASSPATH=.:
$JAVA_HOME/lib/dt.jar:
$JAVA_HOME/lib/tools.jar#saveandexitvim#makethebashprofiletakeeffectimmediately$source/etc/profile#test$java-version
参考我的另一篇博客，安装和配置CentOS服务器的详细步骤。
2.安装Scala2.9.3
Spark0.7.2依赖Scala2.9.3,我们必须要安装Scala2.9.3.
下载 scala-2.9.3.tgz 并保存到home目录.
$tar-zxfscala-2.9.3.tgz$sudomvscala-2.9.3/usr/lib$sudovim/etc/profile#addthefollowinglinesattheendexportSCALA_HOME=/usr/lib/scala-2.9.3exportPATH=$PATH:
$SCALA_HOME/bin#saveandexitvim#makethebashprofiletakeeffectimmediatelysource/etc/profile#test$scala-version
3.下载预编译好的Spark
下载预编译好的Spark, spark-0.7.2-prebuilt-hadoop1.tgz.
如果你想从零开始编译，则下载源码包，但是我不建议你这么做，因为有一个Maven仓库，twitter4j.org,被墙了，导致编译时需要翻墙，非常麻烦。
如果你有DIY精神，并能顺利翻墙，则可以试试这种方式。
4.本地模式
4.1解压
$tar-zxfspark-0.7.2-prebuilt-hadoop1.tgz
4.2设置SPARK_EXAMPLES_JAR环境变量
$gedit/etc/profile#addthefollowinglinesattheendexportSPARK_EXAMPLES_JAR=/home/jay/spark-0.7.2/examples/target/scala-2.9.3/spark-examples_2.9.3-0.7.2.jar#saveandexitvim#makethebashprofiletakeeffectimmediately$source/etc/profile
这一步其实最关键，很不幸的是，官方文档和网上的博客，都没有提及这一点。
我是偶然看到了这两篇帖子，RunningSparkPi, Nullpointerexceptionwhenrunning./runspark.examples.SparkPilocal，才补上了这一步，之前死活都无法运行SparkPi。
4.3（可选）设置SPARK_HOME环境变量，并将SPARK_HOME/bin加入PATH
$gedit/etc/profile#addthefollowinglinesattheendexportSPARK_HOME=/home/jay/spark-0.7.2exportPATH=$PATH:
$SPARK_HOME/bin#saveandexitvim#makethebashprofiletakeeffectimmediately$source/etc/profile
4.4现在可以运行SparkPi了
$cd~/spark-0.7.2$./runspark.examples.SparkPilocal
5.集群模式
5.1安装Hadoop
用VMwareWorkstation创建三台CentOS虚拟机，hostname分别设置为master,slave01,slave02，设置SSH无密码登陆，安装hadoop，然后启动hadoop集群。
参考我的这篇博客，在CentOS上安装Hadoop.
5.2Scala
在三台机器上都要安装Scala2.9.3,按照第2节的步骤。
JDK在安装Hadoop时已经安装了。
5.3在master上安装并配置Spark
解压
$tar-zxfspark-0.7.2-prebuilt-hadoop1.tgz
设置SPARK_EXAMPLES_JAR环境变量
$gedit/etc/profile#addthefollowinglinesattheendexportSPARK_EXAMPLES_JAR=/home/jay/spark-0.7.2/examples/target/scala-2.9.3/spark-examples_2.9.3-0.7.2.jar#saveandexitvim#makethebashprofiletakeeffectimmediately$source/etc/profile
在in conf/spark-env.sh 中设置SCALA_HOME
$cd~/spark-0.7.2/conf$mvspark-env.sh.templatespark-env.sh$vimspark-env.sh#addthefollowinglineexportSCALA_HOME=/usr/lib/scala-2.9.3#saveandexit
在conf/slaves,添加Sparkworker的hostname,一行一个。
$vimslavesslave01slave02#saveandexit
（可选）设置SPARK_HOME环境变量，并将SPARK_HOME/bin加入PATH
$gedit/etc/profile#addthefollowinglinesattheendexportSPARK_HOME=/home/jay/spark-0.7.2exportPATH=$PATH:
$SPARK_HOME/bin#saveandexitvim#makethebashprofiletakeeffectimmediately$source/etc/profile
5.4在所有worker上安装并配置Spark
既然master上的这个文件件已经配置好了，把它拷贝到所有的worker。
注意，三台机器spark所在目录必须一致，因为master会登陆到worker上执行命令，master认为worker的spark路径与自己一样。
$cd$scp-rspark-0.7.2dev@slave01:
~$scp-rspark-0.7.2dev@slave02:
~
按照第5.3节设置SPARK_EXAMPLES_JAR环境变量，配置文件不用配置了，因为是直接从master复制过来的，已经配置好了。
5.5启动Spark集群
在master上执行
$cd~/spark-0.7.2$bin/start-all.sh
检测进程是否启动
$jps11055Jps2313SecondaryNameNode2409JobTracker2152NameNode4822Master
浏览master的webUI（默认http:
//localhost:
8080）.这是你应该可以看到所有的word节点，以及他们的CPU个数和内存等信息。
##5.6运行SparkPi例子
$cd~/spark-0.7.2$./runspark.examples.SparkPispark:
//fang:
7077
（可选）运行自带的例子，SparkLR和SparkKMeans.
#LogisticRegression#./runspark.examples.SparkLRspark:
//fang:
7077#kmeans$./runspark.examples.SparkKMeansspark:
//fang:
7077./kmeans_data.txt21
5.7从HDFS读取文件并运行WordCount
$cd~/spark-0.7.2$hadoopfs-putREADME.md.$MASTER=spark:
//fang:
7077./spark-shellscala>valfile=sc.textFile（"hdfs:
//master:
9000/user/dev/README.md"）scala>valcount=file.flatMap（line=>line.split（""））.map（word=>（word,1））.reduceByKey（_+_）scala>count.collect（）
5.8停止Spark集群
$cd~/spark-0.7.2$bin/stop-all.sh
二、安装工具sbt，来运行Scala程序
1、下载sbt通用平台压缩包：
sbt-0.13.5.tgz
http:
//www.scala-sbt.org/download.html
2、建立目录，解压文件到所建立目录
$sudomkdir/opt/scala/sbt
$sudotarzxvfsbt-0.13.5.tgz-C/opt/scala/
3、建立启动sbt的脚本文件
/*选定一个位置，建立启动sbt的脚本文本文件，如/opt/scala/sbt/目录下面新建文件名为sbt的文本文件*/
$cd/opt/scala/sbt/
$vimsbt
/*在sbt文本文件中添加
BT_OPTS="-Xms512M-Xmx1536M-Xss1M-XX:
+CMSClassUnloadingEnabled-XX:
MaxPermSize=256M"
java$SBT_OPTS-jarbin/sbt-launch.jar"$@"
然后按esc键输入:
wq保存退出，注意红色字体中的路径可以是绝对路径也可以是相对路径，只要能够正确的定位到解压的sbt文件包中的sbt-launch.jar文件即可*/
/×修改sbt文件权限×/
$chmodu+xsbt
4、配置PATH环境变量，保证在控制台中可以使用sbt命令
$vim~/.bashrc
/*在文件尾部添加如下代码后，保存退出*/
exportPATH=/opt/scala/sbt/:
$PATH
/*使配置文件立刻生效*/
$source~/.bashrc
5、测试sbt是否安装成功
/*第一次执行时，会下载一些文件包，然后才能正常使用，要确保联网了，安装成功后显示如下*/
$sbtsbt-version
[info]Setcurrentprojecttosbt（inbuildfile:
/opt/scala/sbt/）
[info]0.13.5
6、sbt命令下运行Scala程序
编写好Scala程序，保存为.scala形式，拷贝程序文件到安装目录下，命令行下进入安装目录，运行sbt命令，显示出info信息，之后运行run命令，即可运行写好的Scala程序。
三、Scala程序也可在eclipse中编写运行，只需安装一个Scala-IDE插件
1、安装完eclipse后，直接安装Scala-IDE即可，
2、重启eclipse，运行Scala程序。
Goto“File”-“New”-“Other…”andselect“ScalaProject”fromthefolder“ScalaWizards”
Choseaprojectnameandselect“Finish”
Select“File”-“New”-“ScalaObject”tocreateanewobject，Enter Hello asthenamefortheobjectandput greeter asthepackagenameabove
Savethefileandselect“Run”-“Run”fromthemenu.Chosetorunas“ScalaApplication”
四、使用sbt工具将Scala程序打包，在spark集群环境下运行
如下Scala程序代码：
此段程序主要功能通过两个job并行分析spark自带的README.md文件中包含a和b字母分别有多少行。
一、我们还需要建立一个simple.sbt文件，来加入spark库依赖，scala程序执行的时候便可以调用spark库。
建立好simple.sbt文件后，由于需要对整个工程进行打包成jar文件才能执行，官网建议使用sbt（simplebuildtool）这个工具对整个工程进行打包，而sbt对工程的目录有一定的要求，二、如下图所示建立好工程目录。
由于sbt工具并不是linux自带的软件，因此还需要安装，安装好了sbt工具后，运行sbtpackage命令（电脑需要联网），电脑会分析工程自行下载一些其他需要的文件，然后将文件打包，在我的电脑上在下图所示的目录中会生成simple-project_2.10-1.0.jar的包。
三、 这个时候进入spark安装目录下，运行spark-submit命令并附带一些参数便可得到结果。
我们看到包含a的行数为73行，包含b的行数为35行。
升级会员 