Spark-Unit1-spark概述与安装部署

Posted hellobigtable

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Spark-Unit1-spark概述与安装部署相关的知识,希望对你有一定的参考价值。

一、Spark概述

  spark官网:spark.apache.org

  Spark是用的大规模数据处理的统一计算引擎,它是为大数据处理而设计的快速通用的计算引擎。spark诞生于加油大学伯克利分校AMP实验室。

  mapreduce(MR)与spark的对比:

    1.MR在计算中产生的结果存储在磁盘上,spark存储在内存中;

    2.磁盘运行spark的速度是MR的10倍,内存运行spark是MR的100多倍;

    3.spark并不是为了替代Hadoop,而是为了补充Hadoop;

    4.spark没有存储,但他可以继承HDFS。

  Spark启用的是内存分布式数据集,而Scala语言可以轻松的处理分布式数据集,Scala语言可以说是为Spark而生的,而Spark 的出现推动了Scala语言的发展。

 

二、Spark特点

  1.速度快

    磁盘运行spark的速度是MR的10倍,内存运行spark是MR的100多倍;

    Spark使用最先进的DAG调度程序,查询优化器和物理执行引擎,实现批处理和流处理的高性能。

    注释:DAG:有向无环图,上一个RDD的计算结果作为下一个RDD计算的初始值,可以迭代成千上万次。

          查询优化器:指的是spark sql

       批处理:spark sql

       流处理:spark streaming

  2.便于使用

    支持Java/Scala/python/R/SQL编写应用程序

  3.通用性高

    不仅支持批处理、流处理,

    还支持机器学习(MLlib:machine learning library)和图形计算(GraphX)

  4.兼容性高

    Spark运行在Hadoop,Apache Mesos。Kubernetes,独立或云端。它可以访问各种数据源。

    Spark实现了Standalone模式作为内置的资源管理和调度框架。

 

三、Spark的安装部署

  1.准备工作:

    新建三台虚拟机(建议2G内存,1G也可以)/使用远程连接工具连接 / 关闭防火墙 / 修改主机名

    / 修改映射文件 / 设置免密登陆 / 安装jdk(1.8以上版本)

  2.在官网下载spark 安装包(我是2.2.0版本)

    然后上传到Linux系统,解压,删包,重命名

  3.修改spark部分配置文件

    进入spark->conf

    1)重命名spark-env.sh.template 为 spark-env.sh,进入该文件

    添加配置信息:

    export JAVA_HOME=/root/sk/jdk1.8.0_132    //jdk安装路径

    export SPARK_MASTER_HOST=spark-01    //spark主节点机器名

    export SPARK_MASTER_PORT=7077       //spark主机点端口号

    2)重命名slaves.template(好像是这个)为slaves,进入该文件

    删除最后一行“localhost”

    添加:spark-02

       spark-03    //其他两台从节点worker,便于一键启动

  4.发送修改好的spark解压文件夹到其他两台机器

    scp -r sprk sprk-02:$PWD

  5.启动spark,访问web页面

    在spark 的sbin目录下输入命令:

    ./start-all.sh

    然后通过ip:端口号访问UI界面,如:

    192.168.50.186:8080技术分享图片

四、Spark的UI界面详解
   URL:统一资源定位符,spark-master的访问地址
   REST URL:可以通过rest的方式访问集群
   Alive Workers:存活的worker数量
   cores in use:可以使用的核心数量
   Memory in use:可以使用的内存大小
   Applications:正在运行和已经完成的应用程序
   Driver:通过driver提交的任务情况
   Status:节点的状态

 









以上是关于Spark-Unit1-spark概述与安装部署的主要内容,如果未能解决你的问题,请参考以下文章

Spark内核概述

Spark-概述-安装

spark2.10安装部署(集成hadoop2.7+)

Spark入门,概述,部署,以及学习(Spark是一种快速通用可扩展的大数据分析引擎)

Hadoop与spark集群安装

Spark-Unit2-Spark交互式命令行与SparkWordCount