阿里腾讯云 hadoop+spark集群搭建（2）

linux版本： centos7

hadoop版本： 3.1.1

spark版本： 2.3.2

在1中已经搭建好了hadoop，接下来就是spark。

为方便起见，用shell脚本完成下载spark、hive（后面再搭，先把spark跑起来）的操作。

download_file.sh
-------------------------------
#!/bin/bash
TARGET=files
HADOOP_VERSION=3.1.1
HIVE_VERSION=2.3.3
SPARK_VERSION=2.3.2
HADOOP_FILE=hadoop-$HADOOP_VERSION.tar.gz
HIVE_FILE=apache-hive-$HIVE_VERSION-bin.tar.gz
SPARK_FILE=spark-$SPARK_VERSION-bin-hadoop2.7.tgz

if [ ! -f "$HADOOP_FILE" ]; then
  echo "https://www-us.apache.org/dist/hadoop/common/hadoop-$HADOOP_VERSION/$HADOOP_FILE is downloading"
  curl -O https://www-us.apache.org/dist/hadoop/common/hadoop-$HADOOP_VERSION/$HADOOP_FILE
fi
echo "Hadoop is completed!"

if [ ! -f "$HIVE_FILE" ]; then
  echo "https://www-us.apache.org/dist/hive/hive-$HIVE_VERSION/$HIVE_FILE is downloading"
  curl -O https://www-us.apache.org/dist/hive/hive-$HIVE_VERSION/$HIVE_FILE
fi
echo "HIVE is completed!"

if [ ! -f "$SPARK_FILE" ]; then
  echo "https://www-us.apache.org/dist/spark/spark-$SPARK_VERSION/$SPARK_FILE is downloading"
  curl -O https://www-us.apache.org/dist/spark/spark-$SPARK_VERSION/$SPARK_FILE
fi
echo "$SPARK_FILE completed!"

1. 运行脚本下载spark和hive

2. 解压缩到~/hadoop下（hadoop用户身份）

   $ cd ~/hadoop
   
   $ ls
   
   hadoop-3.1.1  hive-2.3.3  spark-2.3.2
   

3. 下载Anaconda3

   $ cd ~/hadoop
   $ ls
   hadoop-3.1.1  hive-2.3.3  spark-2.3.2
   

   由于我打算使用pyspark，且想使用python3，所以安装Anaconda3。

   $ curl -O https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.0-Linux-x86_64.sh
   $ ./Anaconda3-5.3.0-Linux-x86_64.sh
   

4. 配置文件

   • spark-env.sh

   追加如下内容

   export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.191.b12-0.el7_5.x86_64
   export JRE_HOME=${JAVA_HOME}/jre
   export HADOOP_HOME=/home/hadoop/hadoop/hadoop-3.1.1
   export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
   export SPARK_MASTER_PORT=7077
   export SPARK_MASTER_HOST=master
   

   • slaves

   slave1
   slave2
   

   • log4j.properties

   若想日志信息仅记载警告信息，则将log4j.rootCategory=INFO, console改为log4j.rootCategory=WARN, console

   • /etc/profile.d/spark-2.3.2.sh

   export SPARK_HOME=/home/hadoop/hadoop/spark-2.3.2
   export PATH=$SPARK_HOME/bin:$PATH
   

   $ source /etc/profile
   

   以上内容master和slaves机器都要进行，master配置好拷贝过去就可以了。

5. master机器运行spark

   $ cd $SPARK_HOME/sbin
   $ ./start-all.sh 
   <!--先执行start-master再执行start-slave-->
   $ jps
   16000 Master
   15348 NameNode
   15598 SecondaryNameNode
   16158 Jps
   <!--只启动了hdfs和spark-->
   

   打开http://master:8080（公网），显示Alive Workers:2，完成。