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。
提前部署Spark，为后续数据挖掘部署提供服务。
1、系统环境准备
注意：如果服务部署集群，集群内所有服务器均需设置系统环境。 |
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
systemctl stop firewalld |
永久关闭防火墙
systemctl disable firewalld |
查看防火墙状态
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]
firewall-cmd --zone=public --add-port=8080tcp --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
firewall-cmd --reload |
查看防火墙的配置信息
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。
setenforce 0 |
永久关闭selinux，修改完配置后需要重启服务器才能生效
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
tar -zxvf jdk8.0.202-linux_x64.tar.gz -C /opt |
配置java环境变量
①在/etc/profile 文件末尾添加，并保存
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
source /etc/profile |
③查看java版本信息
java -version |
2、Spark单机部署
1.修改主机名-添加映射关系
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
vi /etc/hosts |
内容设置，例如:
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 ::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 10.10.17.186 smartbi-spark |
2.设置系统免密登陆
生成密钥
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
cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys chmod 0600 ~/.ssh/authorized_keys |
测试是否设置成功，例如:
ssh root@smartbi-spark |
如果不用输入密码，表示成功。
3.安装Spark
解压spark安装包到指定目录
tar -zxvf spark-2.4.0-bin-hadoop2.7.tgz -C /opt |
4.启动Spark
①启动Spark master
cd /opt/spark-2.4.0-bin-hadoop2.7/sbin ./start-master.sh -h 主机名 |
例如：主机名为smartbi-spark，则执行：
./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
cd /opt/spark-2.4.0-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) |
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:
./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)
cd /opt/spark-2.4.0-bin-hadoop2.7/bin ./spark-submit --class org.apache.spark.examples.SparkPi --master spark://节点的ip:7077 /opt/spark-2.4.0-bin-hadoop2.7/examples/jars/spark-examples_2.11-2.4.0.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
cd /opt/spark-2.4.0-bin-hadoop2.7/sbin ./stop-all.sh |
启动Spark master
cd /opt/spark-2.4.0-bin-hadoop2.7/sbin ./start-master.sh -h 主机名 |
启动Spark worke
cd /opt/spark-2.4.0-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-2.4.0-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。
3、Spark集群部署
部署服务器：
| IP地址 | 主机名 | 角色 |
|---|---|---|
10.10.17.186 | smartbi-spark | Spark master,Spark work |
10.10.17.127 | smartbi-spark2 | Spark work |
10.10.17.39 | smartbi-spark3 | Spark work |
1.修改主机名-添加映射关系
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
vi /etc/hosts |
内容设置，例如:
127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 ::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 10.10.17.186 smartbi-spark 10.10.17.127 smartbi-spark2 10.10.17.39 smartbi-spark3 |
2.设置系统免密登陆
生成密钥
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
ssh-copy-id -i ~/.ssh/id_rsa.pub root@smartbi-spark ssh-copy-id -i ~/.ssh/id_rsa.pub root@smartbi-spark2 ssh-copy-id -i ~/.ssh/id_rsa.pub root@smartbi-spark3 |
如果以上命令执行失败，可以手动把每个节点 ~/.ssh/id_rsa.pub的数据追加到其它节点的~/.ssh/authorized_keys文件中, 如果~/.ssh/authorized_keys不存在，可以新建一个.
测试是否设置成功，例如:
ssh root@smartbi-spark ssh root@smartbi-spark2 ssh root@smartbi-spark3 |
如果不用输入密码，表示成功。
3.Spark master节点安装Spark
①解压spark安装包到指定目录
tar -zxvf spark-2.4.0-bin-hadoop2.7.tgz -C /opt |
②配置Spark从节点列表
cd /opt/spark-2.4.0-bin-hadoop2.7/conf cp slaves.template slaves vi slaves |
把所有spark worker节点的机器名加到slaves文件中，例如slaves文件内容设置如下:
smartbi-spark smartbi-spark2 smartbi-spark3 |
③配置Spark-env
cd /opt/spark-2.4.0-bin-hadoop2.7/conf cp spark-env.sh.template spark-env.sh |
例如：worker节点为6核，48g内存，把2核16G留给操作系统
内容设置如下：
JAVA_HOME=/opt/jdk8.0.202-linux_x64 SPARK_MASTER_IP=smartbi-spark SPARK_MASTER_PORT=7077 SPARK_MASTER_WEBUI_PORT=8080 SPARK_WORKER_CORES=6 SPARK_WORKER_MEMORY=48g |
JAVA_HOME=java安装路径 SPARK_MASTER_IP=spark的管理节点主机名或ip SPARK_MASTER_PORT=7077 #spark master监听端口 SPARK_MASTER_WEBUI_PORT=8080 #sparkmaster web监听端口 SPARK_WORKER_CORES=worker进程cpu数量(视现场服务器配置而定) SPARK_WORKER_MEMORY=worker进程可支配内存(视现场服务器配置而定,单位:G, 例如:2G ) |
4.Spark安装包分发到集群其他节点
将Spark安装包分发到其他节点：
scp -r /opt/spark-2.4.0-bin-hadoop2.7 root@smartbi-spark2:/opt scp -r /opt/spark-2.4.0-bin-hadoop2.7 root@smartbi-spark3:/opt |
5.启动Spark集群
登陆Spark master主机节点启动Spark集群
cd /opt/spark-2.4.0-bin-hadoop2.7/sbin/ ./start-all.sh |
6.检查spark集群
在浏览器中输入：http://master节点的ip:8080，查看集群状态
显示Spark集群中的所有work节点，表示spark集群安装完成。
7.运维操作
停止Spark集群，登陆Spark master节点操作：
cd /opt/spark-2.4.0-bin-hadoop2.7/sbin #./stop-all.sh |
启动Spark集群，登陆Spark master节点操作：
cd /opt/spark-2.4.0-bin-hadoop2.7/sbin/ ./start-all.sh |
查看日志
Spark的日志路径：/opt/spark-2.4.0-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。