部署spark2.2集群(standalone模式)

Posted 2022-08-08 程序员欣宸

欢迎访问我的GitHub

• 一起来实战部署spark2.2集群(standalone模式)

版本信息

1. 操作系统 CentOS 7.5.1804
2. JDK：1.8.0_191
3. scala：2.12.8
4. spark：2.3.2

机器信息

• 本次实战用到了三台机器，相关信息如下：

IP 地址	主机名	身份
192.168.150.130	master	spark的master节点
192.168.150.131	slave1	spark的一号工作节点
192.168.150.132	slave2	spark的二号工作节点

• 接下来开始实战；

关闭防火墙

• 执行以下命令永久关闭防火墙服务：

systemctl stop firewalld.service && systemctl disable firewalld.service

设置hostname（三台电脑都做）

• 修改/etc/hostname文件，将几台电脑的主机名分别修改为前面设定的master、slave0等；

设置/etc/hosts文件（三台电脑都做）

• 在/etc/hosts文件尾部追加以下三行内容，三台电脑追加的内容一模一样，都是下面这些：

master 192.168.150.130
slave1 192.168.150.131
slave2 192.168.150.132

创建用户（三台电脑都做）

• 创建用户和用户组，并指定home目录的位置：

groupadd spark && useradd -d /home/spark -g spark -m spark

• 设置spark用户的密码：

passwd spark

• 以spark账号的身份登录；

文件下载和解压（三台电脑都做）

• 分别去java、scala的官网下载以下两个文件：

jdk-8u191-linux-x64.tar.gz  scala-2.12.8.tgz

• 上述两个文件下载到目录/home/spark下，依次解压后，/home/spark下的内容如下所示：

[spark@localhost ~]$ ll
总用量 427836
drwxr-xr-x.  7 spark spark       245 10月  6 20:55 jdk1.8.0_191
-rw-r--r--.  1 spark spark 191753373 2月   2 08:49 jdk-8u191-linux-x64.tar.gz
drwxrwxr-x.  6 spark spark        50 12月  4 18:25 scala-2.12.8
-rw-r--r--.  1 spark spark  20467943 2月   2 08:49 scala-2.12.8.tgz

• 修改/home/spark文件夹下的.bash_profile文件，在尾部增加以下内容（spark相关的是后面会用到的，这里把配置先写上）：

export JAVA_HOME=/home/spark/jdk1.8.0_191
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib
export PATH=$JAVA_HOME/bin:$PATH
export SCALA_HOME=/home/spark/scala-2.12.8
export PATH=$SCALA_HOME/bin:$PATH
export SPARK_HOME=/home/spark/spark-2.3.2-bin-hadoop2.7
export PATH=$SPARK_HOME/bin:$PATH

• 执行以下命令，使得.bash_profile的修改生效：

source .bash_profile

• 分别执行java -version和scala -version命令，检查上述设置是否生效：

[spark@localhost ~]$ java -version
java version "1.8.0_191"
Java(TM) SE Runtime Environment (build 1.8.0_191-b12)
Java HotSpot(TM) 64-Bit Server VM (build 25.191-b12, mixed mode)
[spark@localhost ~]$ scala -version
Scala code runner version 2.12.8 -- Copyright 2002-2018, LAMP/EPFL and Lightbend, Inc.

spark的设置(只在master机器操作)

• 登录master机器：
• 去spark的官网下载文件spark-2.3.2-bin-hadoop2.7.tgz，下载到目录/home/spark下，在此解压；
• 进入目录/home/spark/spark-2.3.2-bin-hadoop2.7/conf；
• 执行以下命令，将"spark-env.sh.template"更名为"spark-env.sh"：

mv spark-env.sh.template spark-env.sh

• 打开文件spark-env.sh，在尾部增加以下内容：

export SPARK_MASTER_IP=node0
export SPARK_MASTER_PORT=7077
export SPARK_EXECUTOR_INSTANCES=1
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_CORES=1
export SPARK_WORKER_MEMORY=256M
export SPARK_MASTER_WEBUI_PORT=8080
export SPARK_CONF_DIR=/home/spark/spark-2.3.2-bin-hadoop2.7/conf
export JAVA_HOME=/home/spark/jdk1.8.0_191
export JRE_HOME=$JAVA_HOME/jre

• 进入目录/home/spark/spark-2.3.2-bin-hadoop2.7/conf，执行以下命令，将slaves.template更名为slaves：

mv slaves.template slaves

• 打开文件slaves，将尾部的localhost删除，再增加以下内容：

slave1
slave2

• 以上就是所有设置，接下来要将spark文件夹同步到其他机器上

将spark文件夹同步到其他机器

• 在master机器执行以下命令，即可将整个spark文件夹同步到slave1：

scp -r ~/spark-2.3.2-bin-hadoop2.7 spark@slave1:~

• 期间会要求输入slave1的密码，输入密码后即可开始同步；
• 在master机器执行以下命令，即可将整个spark文件夹同步到slave2：

scp -r ~/spark-2.3.2-bin-hadoop2.7 spark@slave2:~

• 期间会要求输入slave2的密码，输入密码后即可开始同步；

启动spark

• 以spark账号登录master机器，执行以下命令即可启动spark集群：

/home/spark/spark-2.3.2-bin-hadoop2.7/sbin/start-all.sh

• 启动过程中，会要求输入slave1、slave2的密码，输入即可；
• 为了避免每次启动和停止都要输入slave1和slave2的密码，建议将三台机器配置ssh免密码登录，请参考《Docker下，实现多台机器之间相互SSH免密码登录》
• 启动成功后，可以通过浏览器查看启动情况，如下图，地址是：http://192.168.150.130:8080/

• 至此，spark集群部署成功，接下来的章节，我们会一起进行更多的spark实战；

欢迎关注51CTO博客：程序员欣宸