Spark新手入门——3.Spark集群(standalone模式)安装

Posted 2020-12-04 deep-learning-stacks

主要包括以下三部分，本文为第三部分：

一. Scala环境准备 查看
二. Hadoop集群(伪分布模式)安装 查看
三. Spark集群(standalone模式)安装

Spark集群(standalone模式)安装

若使用spark对本地文件进行测试学习，可以不用安装上面的hadoop环境，若要结合hdfs使用spark，则可以参考上面的步骤搭建hadoop。

1. 下载安装包并解压(如：~/tools/spark-2.3.1-bin-hadoop2.7)；

2. 启动服务
a.启动master

./sbin/start-master.sh

b.启动slaves
　　可先登陆 http://localhost:8080/ ，获取“Spark URL”

./sbin/start-slave.sh <spark://xxxx-xxx:7077>

 

3. 开发测试程序
下面开发一个超级简单的rdd任务，逻辑(统计hdfs文件中包含单词form的行及行数，并将结果保存到hdfs)参考官网。

a. 使用第一讲中准备好的Scala环境，创建一个scala maven project：mvn-rdd-test

b. 编写代码

package com.person.test
 
import org.apache.spark.{SparkConf,SparkContext}
  object MvnRddTest {
    def main(args: Array[String]): Unit = {
      val dataPath = "hdfs://localhost:9000/usr/test/LICENSE.txt"
      val resultPath = "hdfs://localhost:9000/usr/test/result"
      val sc = new SparkContext(new SparkConf().setAppName("Mvn-Rdd-Test"))
      try{
       val accm = sc.longAccumulator("LineAccumulator")
       val rdd = sc.textFile(dataPath,2)
       val sparkDs = rdd.filter(
         line => if(line.contains("form")){
           accm.add(1)
           true
         } else false
       )
       sparkDs.saveAsTextFile(resultPath)
       println(s"Lines that contains ‘form‘ number is: ${accm.value}")
     }catch {
       case e:Exception => e.printStackTrace()
     }finally {
       sc.stop()
     }
   }
}

注：运行该示例需要上传一份文件到(二)的hdfs中，例中的LICENSE.txt来自hadoop安装包。

c. 打含依赖项的jar包
pom.xml配置：

    <groupId>com.person.test</groupId>
    <artifactId>mvn-rdd-test</artifactId>
    <version>1.0-SNAPSHOT</version>
    
    <dependencies>
        <!-- spark core -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>2.3.1</version>
        </dependency>

        <!-- hdfs tool -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.0</version>
        </dependency>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-assembly</artifactId>
            <version>0.8.0-SNAPSHOT</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <!-- build java -->
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>2.5.5</version>
                <configuration>
                    <archive>
                        <manifest>
                            <mainClass>com.person.test.MvnRddTest</mainClass>
                        </manifest>
                    </archive>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
            <!-- build scala -->
            <plugin>
                <groupId>org.scala-tools</groupId>
                <artifactId>maven-scala-plugin</artifactId>
                <version>2.15.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

 

双击Maven Projects-->mvn-rdd-test-->Lifecycle-->package即可完成打包，“mvn-rdd-test-1.0-SNAPSHOT-jar-with-dependencies.jar”即为包含依赖项的包。
注：pom中引入的这两个build插件是必须的，分别用于build java和scala。

d. 测试：

./bin/spark-submit --master spark://xxxx-xxx:7077 --class com.person.test.MvnRddTest ~/Document/IdeaProjects/mvn-rdd-test/target/mvn-rdd-test-1.0-SNAPSHOT-jar-with-dependencies.jar

可以到hdfs上查看运行结果，终端会打印计数器的值。

注意：使用maven打包，不要使用Build Artifacts方式打包。

参考资料：官方文档

后续会陆续更新Spark RDD、Spark DataSet、Spark Streaming的用法；