SparkSpark的Standalone模式安装部署

Posted 2020-07-02 gcczhongduan

Spark执行模式

Spark 有非常多种模式，最简单就是单机本地模式，还有单机伪分布式模式，复杂的则执行在集群中，眼下能非常好的执行在 Yarn和 Mesos 中。当然 Spark 还有自带的 Standalone 模式，对于大多数情况 Standalone 模式就足够了，假设企业已经有 Yarn 或者 Mesos 环境。也是非常方便部署的。

• local(本地模式)：经常使用于本地开发測试，本地还分为local单线程和local-cluster多线程;
• standalone(集群模式)：典型的Mater/slave模式，只是也能看出Master是有单点故障的；Spark支持ZooKeeper来实现 HA
• on yarn(集群模式)： 执行在 yarn 资源管理器框架之上，由 yarn 负责资源管理，Spark 负责任务调度和计算
• on mesos(集群模式)： 执行在 mesos 资源管理器框架之上，由 mesos 负责资源管理。Spark 负责任务调度和计算
• on cloud(集群模式)：比方 AWS 的 EC2，使用这个模式能非常方便的訪问 Amazon的 S3;Spark 支持多种分布式存储系统：HDFS 和 S3

Spark Standalone集群部署

准备工作

• 这里我下载的是Spark的编译版本号，否则须要事先自行编译
• Spark须要Hadoop的HDFS作为持久化层。所以在安装Spark之前须要安装Hadoop，这里Hadoop的安装就不介绍了，给出一个教程Hadoop安装教程_单机/伪分布式配置
• 实现创建hadoop用户，Hadoop、Spark等程序都在该用户下进行安装
• ssh无password登录，Spark集群中各节点的通信须要通过ssh协议进行，这须要事先进行配置。

  通过在hadoop用户的.ssh文件夹下将其它用户的id_rsa.pub公钥文件内容拷贝的本机的authorized_keys文件里。就可以事先无登录通信的功能

• Java环境的安装，同一时候将JAVA_HOME、CLASSPATH等环境变量放到主文件夹的.bashrc，执行source .bashrc使之生效

部署配置

这里配置工作须要以下几个步骤：

1. 解压Spark二进制压缩包
2. 配置conf/spark-env.sh文件
3. 配置conf/slave文件

以下详细说明一下：

• 配置Spark的执行环境，将spark-env.sh.template模板文件复制成spark-env.sh。然后填写对应须要的配置内容：

export SPARK_MASTER_IP=hadoop1
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=1
export SPARK_WORDER_INSTANCES=1
export SPARK_WORKER_MEMORY=3g

其它选项内容请參照以下的选项说明：

# Options for the daemons used in the standalone deploy mode:
# - SPARK_MASTER_IP, to bind the master to a different IP address or hostname
# - SPARK_MASTER_PORT / SPARK_MASTER_WEBUI_PORT, to use non-default ports for the master
# - SPARK_MASTER_OPTS, to set config properties only for the master (e.g. "-Dx=y")
# - SPARK_WORKER_CORES, to set the number of cores to use on this machine
# - SPARK_WORKER_MEMORY, to set how much total memory workers have to give executors (e.g. 1000m, 2g)
# - SPARK_WORKER_PORT / SPARK_WORKER_WEBUI_PORT, to use non-default ports for the worker
# - SPARK_WORKER_INSTANCES, to set the number of worker processes per node
# - SPARK_WORKER_DIR, to set the working directory of worker processes
# - SPARK_WORKER_OPTS, to set config properties only for the worker (e.g. "-Dx=y")
# - SPARK_HISTORY_OPTS, to set config properties only for the history server (e.g. "-Dx=y")

• conf/slave文件用户分布式节点的配置。这里仅仅须要在slave文件里写入该节点的主机名就可以

• 将以上内容都配置好了，将这个spark文件夹复制到各个节点scp -r spark [email protected]:~

• 接下来就能够启动集群了，在Spark文件夹中执行sbin/start-all.sh，然后能够通过netstat -nat命令查看端口7077的进程，还能够通过浏览器訪问hadoop1:8080了解集群的概况

Spark Client部署

Spark Client的作用是。事先搭建起Spark集群，然后再物理机上部署client，然后通过该client提交任务给Spark集群。

因为上面介绍了Standalone分布式集群是怎样搭建的，这里仅仅需将集群上的spark文件夹拷贝过来。
最简单的Sparkclient訪问集群的方式就是通过Spark shell的方式：bin/spark-shell --master spark://hadoop1:7077这样就能够訪问集群了。
这样在浏览器的Spark集群界面上就能够看到Running Applications一栏中有Spark shell的应用在执行。

Spark Standalone伪分布式部署

伪分布式是在一台机器上进行部署来模拟分布式的集群，这里部署的过程和Standalone集群的部署是相似的，事前的工作都是一样的。这里仅仅是在配置文件里做对应的改动就能够了。

这里还是配置这两个文件：

配置conf/spark-env.sh文件
配置conf/slave文件

• 改动spark-env.sh文件，改动master的ip，这里主机名和用户ip分别在/etc/hostname和/etc/hosts文件里进行配置

export SPARK_MASTER_IP=jason
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=1
export SPARK_WORDER_INSTANCES=1
export SPARK_WORKER_MEMORY=3g

• slave文件里。填写自己的主机名，比方我的主机名jason

转载请注明作者Jason Ding及其出处
GitCafe博客主页(http://jasonding1354.gitcafe.io/)
Github博客主页(http://jasonding1354.github.io/)
CSDN博客(http://blog.csdn.net/jasonding1354)
简书主页(http://www.jianshu.com/users/2bd9b48f6ea8/latest_articles)
百度搜索jasonding1354进入我的博客主页