Spark-1.4.0单机部署（Hadoop-2.6.0采用伪分布式）【已测】

来源：互联网发布：java 实现 ping ip 编辑：程序博客网时间：2024/06/05 08:04

目前手上只有一个机器，就先拿来练下手（事先服务器上没有安装软件）尝试一下Spark的单机部署。

几个参数：
JDK-1.7+
Hadoop-2.6.0（伪分布式）；
Scala-2.10.5；
Spark-1.4.0；
下面是具体的配置过程

安装JDK 1.7+
【下载网址】http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
- 环境变量设置（最好不要采用openjdk）：
```
export JAVA_HOME=/usr/java/java-1.7.0_71export JRE_HOME=$JAVA_HOME/jreexport PATH=$PATH:$JAVA_HOME/binexport CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
```
- 更新重启环境变量
  $ source /etc/profile
- 测试
  $ java -version
下载安装scala-2.10.5
【下载网址】http://www.scala-lang.org/download/2.10.5.html
下载对对对应的压缩包
```
$ tar -zxf scala-2.10.5.tgz$ sudo mv scala-2.10.5 /usr/local
```
配置环境变量：
export SCALA_HOME=/usr/local/scala-2.11.4
export PATH=$SCALA_HOME/bin:$PATH
更新启动环境变量
source /etc/profile
测试scala安装是否成功
$ scala -version
【亲测】安装Hadoop（需要修改Hadoop的情况下，手动编译）
【安装Hadoop的参考网址】http://qindongliang.iteye.com/blog/2222145
- 安装依赖
  sudo yum install -y autoconf automake libtool git gcc gcc-c++ make cmake openssl-devel,ncurses-devel bzip2-devel
- 安装Maven3.0+
  【下载网址】http://archive.apache.org/dist/maven/maven-3/3.0.5/binaries/
  - 解压
    tar -xvf apache-maven-3.0.5-bin.tar.gz
  - 移动文件
    mv -rf apache-maven-3.0.5 /usr/local/
  - 配置环境变量
```
MAVEN_HOME=/usr/local/apache-maven-3.0.5export MAVEN_HOMEexport PATH=${PATH}:${MAVEN_HOME}/bin
```
  - 使生效
    source /etc/profile
  - 检查是否安装成功 mvn -v
- 安装ant1.8+
  【下载网址】http://archive.apache.org/dist/ant/binaries/
  - 环境变量
```
export ANT_HOME=/usr/local/apache-ant-1.8.4export PATH=$ANT_HOME/bin:$PATH
```
  - 测试
    ant -version
- 安装 protobuf-2.5.0.tar.gz
  - 解压
    tar xvf protobuf-2.5.0.tar.gz
  - 安装
    cd protobuf-2.5.0
    ./configure --prefix=/usr/local/protobuf
    make
    nake install
  - 环境变量
```
export PATH=$PATH:/usr/local/protobuf/binexport LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/protobuf/lib
```
  - 测试
    protoc --version
    如果输出libprotoc 2.5.0表示安装成功。
- 安装snappy1.1.0.tar.gz（可选选项，如果需要编译完的Hadoop支持Snappy压缩，需要此步骤）
  - 安装
    ./configure --prefix=/usr/local/snappy #指定的一个安装目录
    make
    make install
- 安装hadoop-snappy
  - git下载地址
    git clone https://github.com/electrum/hadoop-snappy.git
  - 打包
    下载完成后
    cd hadoop-snappy
    执行maven打包命令
    mvn package -Dsnappy.prefix=/home/search/snappy
  - 验证
    
    这个目录就是编译后的snappy的本地库，在
    hadoop-snappy/target/hadoop-snappy-0.0.1-SNAPSHOT-tar/hadoop-snappy-0.0.1-SNAPSHOT/lib目录下，有个hadoop-snappy-0.0.1-SNAPSHOT.jar，在hadoop编译后，需要拷贝到$HADOOP_HOME/lib目录下。
    【备注】整个过程中使用到的包都放在/root/下面。
- 安装Hadoop
  - 安装(下载hadoop-2.6.0-src.tar.gz是hadoop的源码)
    【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
    【也可以直接获取】wget http://archive-primary.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.4.1-src.tar.gz
  - 解压
    tar -zxvf hadoop-2.6.0-cdh5.4.1-src.tar.gz
  - 解压后进入根目录,执行下面这个编译命令，就能把snappy库绑定到hadoop的本地库里面，这样就可以在所有的机器上跑了
    mvn clean package -DskipTests -Pdist,native -Dtar -Dsnappy.lib=(hadoop-snappy里面编译后的库地址) -Dbundle.snappy
    中间会报一些异常，无须关心，如果报异常退出了，就继续执行上面这个命令，直到成功为止，一般速度会跟你的网速有关系，大概40分钟左右，最后会编译成功。
【最终选择】安装Hadoop（无需修改Hadoop时直接下载编译好的Hadoop文件）
- 安装(下载已经编译好的hadoop-2.6.0.tar.gz)
  【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
- 解压安装在/usr/local/
- 改名为hadoop，即最终路径：/usr/local/hadoop下同。

单机部署Hadoop（伪分布式）

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中（很多的xml文件），伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml。
修改配置文件 core-site.xml (vim /usr/local/hadoop/etc/hadoop/core-site.xml)
将当中的

<configuration></configuration>

修改为下面配置：

<configuration>    <property>        <name>hadoop.tmp.dir</name>        <value>file:/usr/local/hadoop/tmp</value>        <description>Abase for other temporary directories.</description>    </property>    <property>        <name>fs.defaultFS</name>        <value>hdfs://localhost:9000</value>    </property></configuration>

修改配置文件 hdfs-site.xml(同理)

<configuration><property>    <name>dfs.replication</name>    <value>1</value></property><property>    <name>dfs.namenode.name.dir</name>    <value>file:/usr/local/hadoop/tmp/dfs/name</value></property><property>    <name>dfs.datanode.data.dir</name>    <value>file:/usr/local/hadoop/tmp/dfs/data</value></property></configuration>

【注意】不说明的话都是目录的起始位置都是：hadoop/

配置完成后，执行 namenode 的格式化:
bin/hdfs namenode -format
成功的话，会看到successfully formatted的提示，且输出信息的倒数第5行的提示如下，Exitting with status 0 表示成功，若为 Exitting with status 1 则是出错。若出错，可试着加上 sudo, 既 sudo bin/hdfs namenode -format 再试试看。
开启NameNode、DataNode守护进程
sbin/start-dfs.sh
【注意】若你使用的是 Hadoop 2.4.1 64位，则此时可能会出现一连串的warn提示，如 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 这个提示，这些warn提示可以忽略，不会影响正常使用。
查看进程
输入jps即可
成功启动则会列出如下进程: NameNode、DataNode和SecondaryNameNode
Hadoop-webUI
在浏览器中输入http://localhost:50070（localhost或者是服务器ip）
【注意】如无法访问，先检查防火墙是否是关闭状态（应当是关闭状态）。
注意（配置过程中遇到）
在这一步以及后面启动 Hadoop 时若提示 Error: JAVA_HOME is not set and could not be found. 的错误，则需要在文件 hadoop/etc/hadoop/hadoop-env.sh 中设置 JAVA_HOME 变量，即找到 export JAVA_HOME=${JAVA_HOME} 这一行，改为 export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64 (就是之前设置的JAVA_HOME位置)，再重新尝试即可。
关闭NameNode、DataNode守护进程
sbin/stop-dfs.sh

单机部署Spark

下载
wget http://archive.apache.org/dist/spark/spark-1.4.0/spark-1.4.0-bin-hadoop2.6.tgz
解压并修改名字为spark
环境变量

export SPARK_HOME=/usr/local/sparkexport PATH=$PATH:$SPARK_HOME/bin

配置Spark环境变量
cd $SPARK_HOME/conf
cp spark-env.sh.template spark-env.sh
vim spark-env.sh
添加如下代码：

export JAVA_HOME=/usr/java/latestexport HADOOP_HOME=/usr/local/hadoopexport HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoopexport SCALA_HOME=/usr/local/scala-2.10.5export SPARK_HOME=/usr/local/sparkexport SPARK_MASTER_IP=127.0.0.1export SPARK_MASTER_PORT=7077export SPARK_MASTER_WEBUI_PORT=8099export SPARK_WORKER_CORES=3export SPARK_WORKER_INSTANCES=1export SPARK_WORKER_MEMORY=10Gexport SPARK_WORKER_WEBUI_PORT=8081export SPARK_EXECUTOR_CORES=1export SPARK_EXECUTOR_MEMORY=1G#export SPARK_CLASSPATH=/opt/hadoop-lzo/current/hadoop-lzo.jar#export SPARK_CLASSPATH=$SPARK_CLASSPATH:$CLASSPATHexport LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$HADOOP_HOME/lib/native

配置Slave
cp slaves.template slaves
vim slaves
添加以下代码（默认就是localhost）：

localhost

因为是单机ssh免登陆不再赘述
启动Spark Master
目录：cd $SPARK_HOME/sbin/
./start-master.sh
启动Spark Slave
目录：cd $SPARK_HOME/sbin/
./start-slaves.sh（注意是slaves）
启动Spark-shell（application）
./spark-shell –master spark://127.0.0.1:7077
Spark-webUI
http://localhost:8099（localhost或者是服务器ip）
如下所示：
关闭master和slave
目录：cd $SPARK_HOME/sbin/
./stop-master.sh
./stop-slaves.sh

测试

Spark-shell测试

./spark-shell   ...   scala> val days = List("Sunday","Monday","Tuesday","Wednesday","Thursday","Friday","Saturday")   days: List[String] = List(Sunday, Monday, Tuesday, Wednesday, Thursday, Friday, Saturday)   scala> val daysRDD =sc.parallelize(days)   daysRDD: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[0] at parallelize at <console>:14   scala>daysRDD.count()   scala>res0:Long =7

脚本测试
- 本地模式
  - ./bin/run-example org.apache.spark.examples.SparkPi 2 spark://localhost:7077
  - ./bin/run-example SparkPi 10 --master local[2]
- standalone模式
  【注意】127.0.0.1 && *.jar的路径
  - ./spark-submit --class org.apache.spark.examples.SparkPi --master spark://127.0.0.1:7077 ../lib/spark-examples-1.4.0-hadoop2.6.0.jar 100
- yarn测试（cluster模式和client模式）
  【注意】*.jar的路径
  - ./spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster ../lib/spark-examples*.jar 10
    http://localhost:8088/（localhost可以是服务器地址）
  - ./spark-submit --class org.apache.spark.examples.SparkPi --master yarn-client ../lib/spark-examples*.jar 10
  - 访问localhost:8088结果如下：
数据测试
- 写一个简单的shell准备数据，之后进行word count测试。
```
getNum(){    c=1    while [[ $c -le 5000000 ]]    do        echo $(($RANDOM/500))        ((c++))    done}for i in `seq 30`do    getNum >> ${i}.txt &    # getNumdonewaitecho "------------------DONE-----------------"cat [0-9]*.txt > num.txt
```
- 创建hdfs文件目录（执行文件位于hadoop/bin/hdfs;hdfs根目录是hdfs://localhost:9000）
  执行命令：./bin/hdfs dfs -mkdir -p /user/hadoop/datatest
- 向创建的hdfs文件中写入数据（脚本生成的数据）
  执行命令：./bin/hdfs dfs -put /root/num.txt /user/hadoop/datatest
- scala测试代码：
  执行命令：spark/bin/Spark-shell
```
scala> val file = sc.textFile("hdfs://localhost:9000/user/hadoop/datatest/num.txt")scala> val count = file.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_+_)scala> count.sortBy(_._2).map(x => x._1 + "\t" + x._2).saveAsTextFile("hdfs://localhost:9000/user/hadoop/datatest/numCount")
```
执行hadoop相关操作命令：（hadoop/bin/）
./hadoop fs -cat hdfs://localhost:9000/user/hadoop/datatest/numCount/p*|sort -k2n
测试结果如下：

SparkR安装

SparkR遵循Apache 2.0 License，除了要求用户在他们机器上安装R和Java之外，不需要依赖任何外部的东西！
【注意】在编译Spark的时候，如果需要使用到SparkR，可以在编译时候加上-PsparkRMaven配置属性。如果使用下载的编译好的Spark应该就没有这样的问题。
【下载网站】
http://cran.r-project.org/src/base/R-3
解压安装
./configure --prefix=/usr/local/R
make && make install
设置环境变量
export R_HOME=/usr/local/R
export PATH=$R_HOME:$PATH
安装R之后（已经安装了java）就可以了。进入spark/bin执行sparkR即可进入sparkR状态。如下：

0 0