Spark的安装及配置

本文作者：foochane 
本文链接：https://foochane.cn/article/2019051904.html

1 安装说明

在安装 spark 之前，需要安装 hadoop 集群环境，如果没有可以查看：Hadoop 分布式集群的搭建

1.1 用到的软件

软件	版本	下载地址
linux	Ubuntu Server 18.04.2 LTS	https://www.ubuntu.com/downlo…
hadoop	hadoop-2.7.1	http://archive.apache.org/dis…
java	jdk-8u211-linux-x64	https://www.oracle.com/techne…
spark	spark-2.4.3-bin-hadoop2.7	https://www.apache.org/dyn/cl…
scala	scala-2.12.5	http://www.scala-lang.org/dow…
Anaconda	Anaconda3-2019.03-Linux-x86_64.sh	https://www.anaconda.com/dist…

1.2 节点安排

名称	ip	hostname
主节点	192.168.233.200	Master
子节点 1	192.168.233.201	Slave01
子节点 2	192.168.233.202	Slave02

2 安装 Spark

2.1 解压到安装目录

$ tar zxvf spark-2.4.3-bin-hadoop2.7.tgz -C /usr/local/bigdata/
$ cd /usr/local/bigdata/
$ mv spark-2.4.3-bin-hadoop2.7 spark-2.4.3

2.2 修改配置文件

配置文件位于 /usr/local/bigdata/spark-2.4.3/conf 目录下。

(1) spark-env.sh

将 spark-env.sh.template 重命名为 spark-env.sh。
添加如下内容：

export SCALA_HOME=/usr/local/bigdata/scala
export JAVA_HOME=/usr/local/bigdata/java/jdk1.8.0_211
export HADOOP_HOME=/usr/local/bigdata/hadoop-2.7.1
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
SPARK_MASTER_IP=Master
SPARK_LOCAL_DIRS=/usr/local/bigdata/spark-2.4.3
SPARK_DRIVER_MEMORY=512M

(2)slaves

将 slaves.template 重命名为 slaves
修改为如下内容：

Slave01
Slave02

2.3 配置环境变量

在 ~/.bashrc 文件中添加如下内容，并执行 $ source ~/.bashrc 命令使其生效

export SPARK_HOME=/usr/local/bigdata/spark-2.4.3
export PATH=$PATH:/usr/local/bigdata/spark-2.4.3/bin:/usr/local/bigdata/spark-2.4.3/sbin

3 运行 Spark

先启动 hadoop

$ cd $HADOOP_HOME/sbin/
$ ./start-dfs.sh
$ ./start-yarn.sh
$ ./start-history-server.sh

然后启动启动 sapark

$ cd $SPARK_HOME/sbin/
$ ./start-all.sh
$ ./start-history-server.sh

要注意的是：其实我们已经配置的环境变量，所以执行 start-dfs.sh 和start-yarn.sh可以不切换到当前目录下，但是 start-all.sh、stop-all.sh 和/start-history-server.sh这几个命令 hadoop 目录下和 spark 目录下都同时存在，所以为了避免错误，最好切换到绝对路径下。

spark 启动成功后，可以在浏览器中查看相关资源情况：http://192.168.233.200:8080/，这里 192.168.233.200 是Master节点的 IP

4 配置 Scala 环境

spark 既可以使用 Scala 作为开发语言，也可以使用 python 作为开发语言。

4.1 安装 Scala

spark 中已经默认带有 scala，如果没有或者要安装其他版本可以下载安装包安装，过程如下：
先下载安装包，然后解压

$ tar zxvf scala-2.12.5.tgz -C /usr/local/bigdata/

然后在 ~/.bashrc 文件中添加如下内容，并执行 $ source ~/.bashrc 命令使其生效

export SCALA_HOME=/usr/local/bigdata/scala-2.12.5
export PATH=/usr/local/bigdata/scala-2.12.5/bin:$PATH

测试是否安装成功，可以执行如下命令：

scala -version

Scala code runner version 2.12.5 -- Copyright 2002-2018, LAMP/EPFL and Lightbe

4.2 启动 Spark shell 界面

执行 spark-shell --master spark://master:7077 命令，启动 spark shell。

hadoop@Master:~$ spark-shell --master spark://master:7077
19/06/08 08:01:49 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Spark context Web UI available at http://Master:4040
Spark context available as 'sc' (master = spark://master:7077, app id = app-20190608080221-0002).
Spark session available as 'spark'.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 2.4.3
      /_/

Using Scala version 2.11.12 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_211)
Type in expressions to have them evaluated.
Type :help for more information.

scala>

5 配置 python 环境

5.1 安装 python

系统已经默认安装了 python，但是为了方便开发，推荐可以直接安装 Anaconda，这里下载的是安装包是 Anaconda3-2019.03-Linux-x86_64.sh，安装过程也很简单，直接执行$ bash Anaconda3-2019.03-Linux-x86_64.sh 即可。

5.2 启动 PySpark 的客户端

执行命令：$ pyspark --master spark://master:7077

具体如下：

hadoop@Master:~$ pyspark --master spark://master:7077
Python 3.6.3 |Anaconda, Inc.| (default, Oct 13 2017, 12:02:49)
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
19/06/08 08:12:50 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.4.3
      /_/

Using Python version 3.6.3 (default, Oct 13 2017 12:02:49)
SparkSession available as 'spark'.
>>>
>>>