大数据学习笔记 2.1 spark开发环境的搭建

文章详细介绍了如何准备Spark集群的部署环境,包括检查JDK版本、下载安装Spark、配置环境变量,以及搭建SparkStandalone单机版和集群版的过程。此外,还讲解了Spark的三种部署模式:Standalone、Mesos和Yarn,以及如何使用SparkShell进行交互式编程和理解弹性分布式数据集RDD的概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

目录

一、准备工作

 二、了解Spark的部署模式

1、Standalone模式

2、Mesos模式

3、Yarn模式

 三、搭建Spark单机版环境

1、查看jdk版本

2、下载、安装与配置Spark

3、将Spark安装包上传到虚拟机

 4、将Spark安装包解压到指定目录

5、配置Spark环境变量

 6、使用Spark单机版环境

6.1、使用SparkPi来计算Pi的值

 6.2、使用Scala版本Spark-Shell

6.3、使用Python版本Spark-Shell

​编辑 6.4、初识弹性分布式数据集RDD

四、搭建Spark Standalone集群 

1、Spark Standalone架构

1.1、client提交方式

1.2、cluster提交方式

2、Spark集群拓扑

 3、前提条件:安装配置了分布式Hadoop环境

4、在master虚拟机上安装配置Spark 

4.1、将spark安装包上传到master虚拟机

4.2、将spark安装包解压到指定目录 

4.3、配置spark环境变量 

4.4、编辑spark环境配置文件

4.5、创建slaves文件,添加从节点 

5、 在slave1虚拟机上安装配置Spark

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

5.3、在slave1虚拟机上让spark环境配置文件生效 

6、在slave2虚拟机上安装配置Spark 

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 

6.3、在slave2虚拟机上让spark环境配置文件生效 

7、启动Spark Standalone集群

7.1、启动hadoop的dfs服务

7.2、启动Spark集群 

8、访问Spark的WebUI 

 9、启动Scala版Spark Shell

10、提交Spark应用程序 

10.1、提交语法格式

10.2、spark-submit常用参数

 10.3、案例演示 - 提交Spark自带的圆周率计算程序

 11、停止Spark集群服务


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

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
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值