您的位置: 首页  >  IT文章  >  Spark-1.4.0单机部署（Hadoop-2.6.0采取伪分布式）【已测】

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

分类: IT文章 • 2024-11-29 09:36:37
Spark-1.4.0单机部署（Hadoop-2.6.0采用伪分布式）【已测】

  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_71
export JRE_HOME=$JAVA_HOME/jre
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$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-3.0.5
export MAVEN_HOME
export 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-1.8.4
export 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=$PATH:/usr/local/protobuf/bin
export LD_LIBRARY_PATH=$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
        Spark-1.4.0单机部署（Hadoop-2.6.0采取伪分布式）【已测】
         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/spark
export PATH=$PATH:$SPARK_HOME/bin
  • 配置Spark环境变量
    cd $SPARK_HOME/conf
    cp spark-env.sh.template spark-env.sh
    vim spark-env.sh
    添加如下代码：
export JAVA_HOME=/usr/java/latest
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
export SCALA_HOME=/usr/local/scala-2.10.5
export SPARK_HOME=/usr/local/spark
export SPARK_MASTER_IP=127.0.0.1
export SPARK_MASTER_PORT=7077
export SPARK_MASTER_WEBUI_PORT=8099
export SPARK_WORKER_CORES=3
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=10G
export SPARK_WORKER_WEBUI_PORT=8081
export SPARK_EXECUTOR_CORES=1
export SPARK_EXECUTOR_MEMORY=1G
#export SPARK_CLASSPATH=/opt/hadoop-lzo/current/hadoop-lzo.jar
#export SPARK_CLASSPATH=$SPARK_CLASSPATH:$CLASSPATH
export LD_LIBRARY_PATH=${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：
    Spark-1.4.0单机部署（Hadoop-2.6.0采取伪分布式）【已测】
  • 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：
        Spark-1.4.0单机部署（Hadoop-2.6.0采取伪分布式）【已测】

  • 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 &
    # getNum
done
wait
echo "------------------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：
    Spark-1.4.0单机部署（Hadoop-2.6.0采取伪分布式）【已测】

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：
    Spark-1.4.0单机部署（Hadoop-2.6.0采取伪分布式）【已测】

版权声明：本文为博主原创文章，未经博主允许不得转载。

相关推荐