Spark是分布式计算平台，主要承担实验引擎发送过来的计算任务，包含Master和Worker两部分，其中Worker实例可以横向扩展。
| 注意 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| ||||||||||||
文档中单机数据挖掘部署环境如下：
PS：可根据实际服务器资源，将数据挖掘及其组件部署在不同服务器，或者部署在同一台服务器中(可能导致性能下降). |
1、系统环境准备
1.1防火墙配置
为了便于安装，建议在安装前关闭防火墙。使用过程中，为了系统安全可以选择启用防火墙，但必须启用服务相关端口。
1.关闭防火墙
临时关闭防火墙
| 代码块 | ||
|---|---|---|
| ||
systemctl stop firewalld
|
永久关闭防火墙
| 代码块 | ||
|---|---|---|
| ||
systemctl disable firewalld
|
查看防火墙状态
| 代码块 | ||
|---|---|---|
| ||
systemctl status firewalld
|
2.开启防火墙
相关服务及端口对照表：
| 服务名 | 需要开放端口 |
|---|---|
| Spark | 8080，8081，7077，[30000-65535] |
如果确实需要打开防火墙安装，需要给防火墙放开以下需要使用到的端口
开启端口：8080，8081，7077，[30000-65535]
| 代码块 | ||
|---|---|---|
| ||
firewall-cmd --zone=public --add-port=8080/tcp --permanent
firewall-cmd --zone=public --add-port=8081/tcp --permanent
firewall-cmd --zone=public --add-port=7077/tcp --permanent
firewall-cmd --zone=public --add-port=30000-65535/tcp --permanent
|
配置完以后重新加载firewalld，使配置生效
| 代码块 | ||
|---|---|---|
| ||
firewall-cmd --reload
|
查看防火墙的配置信息
| 代码块 | ||
|---|---|---|
| ||
firewall-cmd --list-all
|
3.关闭selinux
临时关闭selinux，立即生效，不需要重启服务器。
| 代码块 | ||
|---|---|---|
| ||
setenforce 0
|
永久关闭selinux，修改完配置后需要重启服务器才能生效
| 代码块 | ||
|---|---|---|
| ||
sed -i 's/=enforcing/=disabled/g' /etc/selinux/config
|
1.2 安装Java环境
安装包解压到/opt目录
| 代码块 | ||
|---|---|---|
| ||
tar -zxvf jdk8.0.202-linux_x64.tar.gz -C /opt
|
配置java环境变量
①执行 vi ~/.bash_profile 在文件末尾添加java环境变量参数，并保存
| 代码块 | ||
|---|---|---|
| ||
export JAVA_HOME=/opt/jdk8.0.202-linux_x64
export JRE_HOME=$JAVA_HOME/jre
export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/jre/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
|
②使配置生效
| 代码块 | ||
|---|---|---|
| ||
source ~/ |
.bash_profile |
③查看java版本信息
| 代码块 | ||
|---|---|---|
| ||
java -version |
2、Spark单机部署
1.修改主机名-添加映射关系
根据部署实际环境，各个服务器主机名不同即可不修改主机名，如需修改，可参考下面的修改方式：
| 代码块 | ||
|---|---|---|
| ||
hostnamectl set-hostname 主机名 |
PS：主机名不能使用下划线
配置主机名和IP的映射关系
| 代码块 | ||
|---|---|---|
| ||
vi /etc/hosts |
内容设置，例如:
| 代码块 | ||
|---|---|---|
| ||
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4
::1 localhost localhost.localdomain localhost6 localhost6.localdomain6
192.168.137.139 smartbi-engine
192.168.137.140 smartbi-python
192.168.137.141 smartbi-spark |
2.设置系统免密登陆
生成密钥
| 代码块 | ||
|---|---|---|
| ||
ssh-keygen |
输入ssh-keygen后，连续按三次回车，不用输入其它信息
复制公钥
| 代码块 | ||
|---|---|---|
| ||
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
chmod 0600 ~/.ssh/authorized_keys |
测试是否设置成功，例如:
| 代码块 | ||
|---|---|---|
| ||
ssh root@smartbi-spark |
如果不用输入密码，表示成功。
| 注意 | ||
|---|---|---|
| ||
此处的免密登录使用的是root用户做测试。其他用户，需要根据实际情况修改。 |
3.安装Spark
解压spark安装包到指定目录
| 代码块 | ||
|---|---|---|
| ||
tar -zxvf spark- |
3. |
0.0-bin-hadoop2.7.tgz -C /opt |
配置spark
| 代码块 | ||
|---|---|---|
| ||
cd /opt/spark-3.0.0-bin-hadoop2.7/conf
cp spark-defaults.conf.template spark-defaults.conf
vi spark-defaults.conf |
在配置文件末尾添加以下内容，保存
| 代码块 | ||
|---|---|---|
| ||
spark.authenticate true
spark.authenticate.secret kW9y@5yheyJ&IMlD41Dlv#lHFKi7fg7# |
| 注意 | ||
|---|---|---|
| ||
其中 kW9y@5yheyJ&IMlD41Dlv#lHFKi7fg7# 是默认spark认证密钥, 支持更改成自定义的字符串(大小写英文字母+数字+英文符号构成)。 |
4.启动Spark
①启动Spark master
| 代码块 | ||
|---|---|---|
| ||
cd /opt/spark- |
3. |
0.0-bin-hadoop2.7/sbin ./start-master.sh -h 主机名 |
例如：主机名为smartbi-spark，则执行：
| 代码块 | ||
|---|---|---|
| ||
./start-master.sh -h smartbi-spark |
②启动Spark work
注意:参数 -c 为分配给spark work 节点的cpu核数，-m 为分配给spark work节点内存值
| 代码块 | ||
|---|---|---|
| ||
cd /opt/spark- |
3. |
0.0-bin-hadoop2.7/sbin ./start-slave.sh spark://master节点的主机名:7077 -c 配置的cpu数 -m xg 配置得的内存数(g为单位) |
| 注意 |
|---|
Work 节点最低配置为 1 核 8G 内存。 cpu 和内存比值建议为 1:8 ，即一个 cpu 配置 8G 的内存 |
例如：worker节点为8核，64G内存的配置，master的主机名为smartbi-spark，2核16G留给系统跟hadoop，剩下的资源留给spark。则执行:
| 代码块 | ||
|---|---|---|
| ||
./start-slave.sh spark://smartbi-spark:7077 -c 6 -m 48g |
5.检查Spark
在浏览器中输入：http://master节点的ip:8080，查看集群状态
在master节点提交任务，执行以下命令(注意将”节点的IP”替换对应的IP或主机名)
| 代码块 | ||
|---|---|---|
| ||
cd /opt/spark- |
3. |
0.0-bin-hadoop2.7/bin ./spark-submit --class org.apache.spark.examples.SparkPi --master spark://节点的ip:7077 /opt/spark- |
3. |
0.0-bin-hadoop2.7/examples/jars/spark-examples_2. |
12- |
3. |
0.0.jar 100 |
运行得出圆周率Pi的近似值3.14即部署成功。
6.运维操作
停止Spark
| 代码块 | ||||
|---|---|---|---|---|
| ||||
cd /opt/spark- |
3. |
0.0-bin-hadoop2.7/sbin ./stop-all.sh |
启动Spark master
| 代码块 | ||||
|---|---|---|---|---|
| ||||
cd /opt/spark- |
3. |
0.0-bin-hadoop2.7/sbin ./start-master.sh -h 主机名 |
启动Spark
worker
| 代码块 | ||||
|---|---|---|---|---|
| ||||
cd /opt/spark- |
3. |
0.0-bin-hadoop2.7/sbin ./start-slave.sh spark://master节点的主机名:7077 -c 配置的cpu数 -m xg 配置得的内存数(g为单位) |
查看日志
Spark的日志路径：/opt/spark-
3.
0.0-bin-hadoop2.7/logs
安装部署或者使用中有问题，可能需要根据日志来分析解决。
