48Spark安装

1.保存目前快照
2.更改jdk 为jdk8,配置环境变量[结合搭建文档]
解压：
配置：~/.bash_profile:
export JAVA_HOME=/software/jdk1.8.0_181
export PATH=$JAVA_HOME/bin:$PATH
（没装前$path在前，装过后在后。如上）
更新生效：
source ~/.bash_profile

3.将jdk8 分发到其他节点，做同样的配置
4.直接解压的jdk需要覆盖 软连接路径 /user/bin/java
默认使用解压的jdk安装jdk8,相对于rpm安装来说 不会覆盖默认/usr/bin/java 指向的位置。需要手动改动指向的位置，不然会默认还是执行的旧的jdk1.7
原来的指向：
/usr/bin/java->/usr/java/default/bin/java
每台节点上执行：
ln -sf /software/jdk1.8.0_181/bin/java /usr/bin/java
更改之后的指向：
/usr/bin/java->/software/jdk1.8.0_181/bin/java
5.正常搭建spark-2.3.1-bin-hadoop2.6

6.如果基于Hadoop提交任务 需要修改 hadoop-env.sh 中的27行
export JAVA_HOME=/software/jdk1.8.0_181/bin/java
同步其他所有节点。

7.基于yarn 提交任务有可能报错虚拟内存不足
在每台节点中的yarn-site.xml中配值关闭虚拟内存检查
vim /root/hadoop-2.5.2/etc/hadoop/yarn-site.xml
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
8.集群装kafka 0.11版本
进入zookeeper的客户端 ，删除之前kafka 的信息目录：【 consumers, admin, config, controller, brokers, controller_epoch】
/root/zookeeper-3.4.6/bin/zkCli.sh

接下来图文详解
1.搭建
Standalone
1).下载安装包，解压

图片1.png 图片2.png

2).改名

图片3.png

3).进入安装包的conf目录下，修改slaves.template文件，添加从节点。保存。

图片4.png 图片5.png

4).修改spark-env.sh
SPARK_MASTER_IP:master的ip
SPARK_MASTER_PORT:提交任务的端口，默认是7077
SPARK_WORKER_CORES：每个worker从节点能够支配的core的个数
SPARK_WORKER_MEMORY:每个worker从节点能够支配的内存数

图片6.png

5).同步到其他节点上

图片7.png 图片8.png

6).启动集群
进入sbin目录下，执行当前目录下的./start-all.sh

图片9.png

7).搭建客户端
将spark安装包原封不动的拷贝到一个新的节点上，然后，在新的节点上提交任务即可。
注意：
8080是Spark WEBUI界面的端口，7077是Spark任务提交的端口。
修改master的WEBUI端口：
修改start-master.sh即可。

也可以在Master节点上导入临时环境变量，只是作用于之后的程序，重启就无效了。
图片11.png
删除临时环境变量：

yarn
1). 1，2，3，4，5，7步同standalone。
2).在客户端中配置：

2.测试
PI案例：

Standalone提交命令：

./spark-submit
--master spark://node1:7077
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 10000

YARN提交命令：

./spark-submit
--master yarn
--class org.apache.spark.examples.SparkPi ../lib/spark-examples-1.6.0-hadoop2.6.0.jar 10000

spark基于standalone-client提交任务
提交任务命令：
./spark-submit --master spark://node1:7077 -class ..jar...
./spark-submit --master spark://node1:7077 -deploy-mode client --class ..jar...

执行流程
1.client模式提交任务后，会在客户端启动Driver进程。
2.Driver会向Master申请启动Application启动的资源。
3.资源申请成功，Driver端将task发送到worker端执行。
4.worker将task执行结果返回到Driver端。
总结
client模式适用于测试调试程序。Driver进程是在客户端启动的，这里的客户端就是指提交应用程序的当前节点。在Driver端可以看到task执行的情况。生产环境下不能使用client模式，是因为：假设要提交100个application到集群运行，Driver每次都会在client端启动，那么就会导致客户端100次网卡流量暴增的问题。

spark基于standalone-cluster提交任务

命令
./spark-submit --master spark://node1:7077 -deploy-mode cluster --class ..jar...

Spark 基于Standalone-cluster 模式提交任务.jpg
执行流程
1.cluster模式提交应用程序后，会向Master请求启动Driver.
2.Master接受请求，随机在集群一台节点启动Driver进程。
3.Driver启动后为当前的应用程序申请资源。
4.Driver端发送task到worker节点上执行。
5.worker将执行情况和执行结果返回给Driver端。
总结
Driver进程是在集群某一台Worker上启动的，在客户端是无法查看task的执行情况的。假设要提交100个application到集群运行,每次Driver会随机在集群中某一台Worker上启动，那么这100次网卡流量暴增的问题就散布在集群上。
总结Standalone两种方式提交任务，Driver与集群的通信包括：

1. Driver负责应用程序资源的申请
2. 任务的分发。
3. 结果的回收。
4. 监控task执行情况。

Spark 基于Yarn-cluster 模式提交任务

执行流程
1.客户端提交一个Application，在客户端启动一个Driver进程。
2.应用程序启动后会向RS(ResourceManager)发送请求，启动AM(ApplicationMaster)的资源。
3.RS收到请求，随机选择一台NM(NodeManager)启动AM。这里的NM相当于Standalone中的Worker节点。
4.AM启动后，会向RS请求一批container资源，用于启动Executor.
5.RS会找到一批NM返回给AM,用于启动Executor。
6.AM会向NM发送命令启动Executor。
7.Executor启动后，会反向注册给Driver，Driver发送task到Executor,执行情况和结果返回给Driver端。
总结
Yarn-client模式同样是适用于测试，因为Driver运行在本地，Driver会与yarn集群中的Executor进行大量的通信，会造成客户机网卡流量的大量增加.
ApplicationMaster的作用：
1.为当前的Application申请资源
2.给NameNode发送消息启动Executor。
注意：ApplicationMaster有launchExecutor和申请资源的功能，并没有作业调度的功能。

Spark 基于Yarn-client模式提交任务.jpg

Spark 基于Yarn-cluster 模式提交任务

执行流程
1.客户机提交Application应用程序，发送请求到RS(ResourceManager),请求启动AM(ApplicationMaster)。
2.RS收到请求后随机在一台NM(NodeManager)上启动AM（相当于Driver端）。
3.AM启动，AM发送请求到RS，请求一批container用于启动Executor。
4.RS返回一批NM节点给AM。
5.AM连接到NM,发送请求到NM启动Executor。
6.Executor反向注册到AM所在的节点的Driver。Driver发送task到Executor。
总结
Yarn-Cluster主要用于生产环境中，因为Driver运行在Yarn集群中某一台nodeManager中，每次提交任务的Driver所在的机器都是随机的，不会产生某一台机器网卡流量激增的现象，缺点是任务提交后不能看到日志。只能通过yarn查看日志。
ApplicationMaster的作用：
1.为当前的Application申请资源
2.给NameNode发送消息启动Excutor。
3.任务调度。
停止集群任务命令：yarn application -kill applicationID

Spark 基于Yarn-cluster 模式提交任务.jpg