目录
5.1、把master虚拟机上安装的spark分发给slave1虚拟机
5.2、将master虚拟机上环境变量配置文件分发到slave1虚拟机
6.1、把master虚拟机上安装的spark分发给slave2虚拟机
6.2、将master虚拟机上环境变量配置文件分发到slave2虚拟机
一、准备工作
-
由于Spark仅仅是一种计算框架,不负责数据的存储和管理,因此,通常都会将Spark和Hadoop进行统一部署,由Hadoop中的HDFS、HBase等组件负责数据的存储管理,Spark负责数据计算。
-
安装Spark集群前,需要安装Hadoop环境
软件 | 版本 |
Linux系统 | CentOS7.9版本 |
Hadoop | 3.3.4版本 |
JDK | 1.8版本 (jdk8u231) |
Spark | 3.3.2版本 |
二、了解Spark的部署模式
1、Standalone模式
- Standalone模式被称为集群单机模式。该模式下,Spark集群架构为主从模式,即一台Master节点与多台Slave节点,Slave节点启动的进程名称为Worker,存在单点故障的问题。
2、Mesos模式
- Mesos模式被称为Spark on Mesos模式。Mesos是一款资源调度管理系统,为Spark提供服务,由于Spark与Mesos存在密切的关系,因此在设计Spark框架时充分考虑到对Mesos的集成。
3、Yarn模式
- Yarn模式被称为Spark on Yarn模式,即把Spark作为一个客户端,将作业提交给Yarn服务。由于在生产环境中,很多时候都要与Hadoop使用同一个集群,因此采用Yarn来管理资源调度,可以提高资源利用率。
三、搭建Spark单机版环境
1、查看jdk版本
2、下载、安装与配置Spark
- 下载链接:Apache Downloads
- 下载到本地
3、将Spark安装包上传到虚拟机
- 将Spark安装包上传到master虚拟机
/opt
目录
4、将Spark安装包解压到指定目录
- 命令:tar -zxvf spark-3.3.2-bin-hadoop3.tgz -C /usr/local
- 查看解压之后的spark目录
5、配置Spark环境变量
- 执行:
vim /etc/profile
export SPARK_HOME=/usr/local/spark-3.3.2-bin-hadoop3
export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
- 存盘退出,执行命令:
source /etc/profile
,让环境配置生效
6、使用Spark单机版环境
6.1、使用SparkPi来计算Pi的值
- 执行命令:
run-example SparkPi 2
(其中参数2是指两个并行度) - 查看计算结果:
Pi is roughly 3.140075700378502
6.2、使用Scala版本Spark-Shell
- Spark-Shell是一个强大的交互式数据分析工具,初学者可以很好的使用它来学习相关API,用户可以在命令行下使用Scala编写Spark程序,并且每当输入一条语句,Spark-Shell就会立即执行语句并返回结果,这就是我们所说的REPL(Read-Eval-Print Loop,交互式解释器),Spark-Shell支持Scala和Python。
- 命令格式:spark-shell --master <master-url>
- --master表示指定当前连接的Master节点
- <master-url>用于指定Spark的运行模式
参数名称 | 参数名称 |
local | 使用一个Worker线程本地化运行Spark |
local[*] | 本地运行Spark,工作线程数量与本机CPU逻辑核心数量相同 |
local[N] | 使用N个Worker线程本地化运行Spark |
spark://host:port | Standalone模式下,连接到指定的Spark集群,默认端口7077 |
yarn-client | 以客户端模式连接Yarn集群,集群位置可在HADOOP_CONF_DIR环境变量中配置 |
yarn-cluster | 以集群模式连接Yarn集群,集群位置可在HADOOP_CONF_DIR 环境变量中配置 |
mesos://host:port | 连接到指定的Mesos集群。默认接口是5050 |
- 执行
spark-shell
命令,相当于执行spark-shell --master local[*]
命令,启动Scala版的Spark-Shell
- 访问Spark的Web UI界面 -
http://192.168.219.75:4040
-
注意:Spark 3.3.2使用的Scala版本其实是2.12.15
-
计算1 + 2 + 3 + …… + 100
- 输出字符直角三角形
- 打印九九表
- 执行
:quit
命令,退出Spark Shell交互式环境
6.3、使用Python版本Spark-Shell
- 执行
pyspark
命令启动Python版的Spark-Shell - 如果显示没有这个文件或目录,执行命令:yum -y install python3 进行安装
- 输出一条信息,进行加法运算,然后退出交互式环境
6.4、初识弹性分布式数据集RDD
- Spark 中的RDD (Resi