Windows 10 利用Linux子系统配置本地Spark环境

偶然在应用商店看到了一个Ubuntu的应用软件，想了想，在Windows下可以通过直接使用Ubuntu系统吗？
赶紧上网查了一波，发现还真可以，想到最近在学习Spark搞了个虚拟机，突然发现这个比虚拟机好用多了。资源消耗没这么大。
配置一下Spark环境。

Windows 10 启动Linux子系统

• 打开开发者模式
  打开设置

  
  
  

  打开更新和安全 ，点击开发者选项，点击开发人员模式

  
  image.png

• 更改系统功能
  打开电脑控制面板

  
  
  

  点击程序，再点击启动或关闭Windows功能

  
  image.png
  找到适用于Linux的windows子系统，勾选确定，重启电脑。
  image.png

• 下载Ubuntu
  打开应用商店，搜索Ubuntu安装。

  
  image.png
  

  安装完后，点击启动Ubuntu。进行配置用户名，密码等。
  完成后启动界面是这样的

  
  image.png

配置ssh

• 安装ssh服务

sudo apt-get install openssh-client
sudo apt-get install openssh-server

• 启动、重启ssh服务

sudo service ssh start
sudo service ssh restart

如果遇到问题，重新安装ssh服务

sudo apt-get purge openssh-server
sudo apt-get install openssh-server

• 配置ssh端口
  ssh端口默认是22号端口,修改/etc/ssh/sshd_config

Port 22         #如果和win10的端口号冲突，可以改为其他的
UsePrivilegeSeparation no
PermitRootLogin no         #如果你确实要用root方式登录的话设为yes
PasswordAuthentication yes

• 配置免密登陆

执行  ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa  生成密钥
执行  ssh-copy-id -i ~/.ssh/id_rsa.pub <username>@localhost  将公钥发送至Ubuntu ,其中<username> 为你的用户名
运行  ssh localhost  查看是否不需要密码登录

安装JDK

• 官网下载JDK
  https://www.oracle.com/technetwork/java/javase/downloads/index.html

• 安装配置JDK
  由于这个ubuntu子系统在C盘目录下，空间不够，我选择把JDK放入到挂载的D盘目录下面。将JDK解压到/mnt/d/usr/local，并且给配置环境变量

sudo tar -zxf ./jdk-12.0.2_linux-x64_bin.tar.gz -C /mnt/d/usr/local/
cd /mnt/d/usr/local/
sudo mv ./ jdk-12.0.2 ./jdk
sudo chown -R gandi ./jdk

#再打开 /home/gandi/.bashrc，添加环境变量
export JAVA_HOME=/mnt/d/usr/local/jdk
export PATH=$JAVA_HOME/bin:$PATH

source ~/.bashrc

因为下载的是最新的jdk-12，所以配置环境变量只需要配置/bin，CLASSPATH这些都不需要了，简化了很多。

安装Hadoop

• 下载Hadoop
  下载Hadoop我们一般去他的镜像网站上下载。我选择下载了Hadoop最新版本hadoop-3.2.0
  https://www.apache.org/dyn/closer.cgi/hadoop/common
http://mirror.bit.edu.cn/apache/hadoop/common/
• 安装配置
  解压安装，设置环境变量

sudo tar -zxf ./hadoop-3.2.0.tar.gz -C /mnt/d/usr/local/
cd /mnt/d/usr/local/
sudo mv ./ hadoop-3.2.0 ./hadoop
sudo chown -R gandi ./hadoop

#再打开 /home/gandi/.bashrc，添加环境变量
export HADOOP_HOME=/mnt/d/usr/local/hadoop
export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

source ~/.bashrc

• 设置JAVA_HOME路径
  修改etc/hadoop/hadoop-env.sh文件中的JAVA_HOME变量

export JAVA_HOME=/mnt/d/usr/local/jdk

• 以伪分布模式配置Hadoop
  修改etc/hadoop/core-site.xml 文件内容如下：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/mnt/d/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>

# 其中的hadoop.tmp.dir的路径可以根据自己的习惯进行设置

修改etc/hadoop/hdfs-site.xml文件内容如下：

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

修改etc/hadoop/mapred-site.xml文件内容如下：

<configuration>
    <property>
        <name>mapred.job.tracker</name>
        <value>localhost:9001</value>
　　</property>
</configuration>

• 配置YARN（若你使用YARN作为资源管理器）
  修改etc/hadoop/mapred-site.xml文件内容如下：

<configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
</configuration>

修改etc/hadoop/yarn-site.xml如下：

<configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
</configuration>

• 格式化文件系统

hadoop namenode -format

• 开启 NameNode 和 DataNode 守护进程

start-dfs.sh

• 开启YARN

start-yarn.sh

• 查看是否启动成功
  输入jps命令，若以下进程都启动了，说明启动成功

7201 SecondaryNameNode
6727 NameNode
7815 Jps
6939 DataNode

安装配置Spark

• 下载Spark，选择Pre-bulit with user-provided Apache Hadoop
  http://spark.apache.org/downloads.html
  image.png
• 安装

sudo tar -zxf spark-2.4.3-bin-without-hadoop.tgz -C /mnt/d/usr/local/
cd /mnt/d/usr/local/
mv spark-2.4.3-bin-without-hadoop/ ./spark
chown -R gandi ./spark/

#再打开 /home/gandi/.bashrc，添加环境变量
export SPARK_HOME=/mnt/d/usr/local/spark
export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
source ~/.bashrc

• 配置

cp spark/conf/slaves.template ./spark/conf/slaves
cp spark/conf/spark-env.sh.template ./spark/conf/spark-env.sh

在spark-env.sh里添加

export JAVA_HOME=/mnt/d/usr/local/jdk
export SPARK_MASTER_IP=localhost
export SPARK_WORKER_MEMORY=4g
export SPARK_DIST_CLASSPATH=$(/mnt/d/usr/local/hadoop/bin/hadoop classpath)

JAVA_HOME：指定的是 Java 的安装目录
SPARK_MASTER_IP：指定的是 Spark 集群的 Master 节点的 IP 地址
SPARK_WORKER_MEMOERY：指定的 Worker 节点能够最大分配给 Excutors 的内存大小、
SPARK_DIST_CLASSPATH：Spark就可以把数据存储到Hadoop分布式文件系统HDFS中

• 启动Spark-shell，如下图所示，进入了Scala环境，
  image.png
  在浏览器中输入上图所示的地址：http://desktop-cehk519.volans.router:4040/jobs/

image.png

• 启动集群，在spark/sbin目录下，start-all.sh
  image.png
  在浏览器中输入 http://localhost:8080/ ，如下图所示
  image.png

Linux子系统文件目录在Windows下面哪个文件夹目录

• ubuntu Linux子系统的目录是在这个目录下

C:\Users\用户名\AppData\Local\Packages\CanonicalGroupLimited.UbuntuonWindows_79rhkp1fndgsc\LocalState\rootfs

Linux访问windows文件

• windows的磁盘被挂载到了/mnt下，可以直接访问