Spark环境搭建——standalone集群模式

2021-01-27 10:50:33 浏览数 (1)

这篇博客，Alice为大家带来的是Spark集群环境搭建之——standalone集群模式。

集群角色介绍

Spark是基于内存计算的大数据并行计算框架，实际中运行计算任务肯定是使用集群模式，那么我们先来学习Spark自带的standalone集群模式了解一下它的架构及运行机制。

Standalone集群使用了分布式计算中的master-slave模型 master是集群中含有master进程的节点 slave是集群中的worker节点含有Executor进程

  • Spark架构图如下:

更多详细内容可以参见官网上的解释:

http://spark.apache.org/docs/latest/cluster-overview.html

集群规划

假设集群中有三台节点，node01，node02，node03

node01：master node02：slave/worker node03：slave/worker

修改配置并分发

  • 修改Spark配置文件 cd /export/servers/spark/conf mv spark-env.sh.template spark-env.sh vim spark-env.sh
代码语言：javascript复制
#配置java环境变量
export JAVA_HOME=/export/servers/jdk1.8
#指定spark老大Master的IP
export SPARK_MASTER_HOST=node01
#指定spark老大Master的端口
export SPARK_MASTER_PORT=7077

mv slaves.template slaves vim slaves

代码语言：javascript复制
node02
node03

注意: 配置spark环境变量（建议不添加，避免和Hadoop的命令冲突） export SPARK_HOME=/export/servers/spark export PATH=PATH:SPARK_HOME/bin 解决方案: 1.把其中一个框架的sbin从环境变量中去掉 2.改名 hadoop/sbin/start-all.sh 改为: start-all-hadoop.sh

  • 通过scp 命令将配置文件分发到其他机器上 scp -r /export/servers/spark node02:/export/servers scp -r /export/servers/spark node03:/export/servers scp /etc/profile root@node02:/etc scp /etc/profile root@node03:/etc source /etc/profile 刷新配置

启动和停止

  • 集群的启动和停止

在主节点上启动Spark集群 /export/servers/spark/sbin/start-all.sh

在主节点上停止spark集群 /export/servers/spark/sbin/stop-all.sh

  • 单独启动和停止

在 master 安装节点上启动和停止 master：

start-master.sh stop-master.sh

在 Master 所在节点上启动和停止worker(work指的是slaves 配置文件中的主机名) start-slaves.sh stop-slaves.sh

查看web界面

正常启动Spark集群后，查看Spark的web界面

http://node01:8080/

经过翻译后的页面如下:

测试

  • 需求:

使用集群模式运行Spark程序读取HDFS上的文件并执行WordCount

  • 集群模式启动spark-shell

/export/servers/spark/bin/spark-shell --master spark://node01:7077

  • 运行程序
代码语言：javascript复制
sc.textFile("hdfs://node01:8020/wordcount/input/words.txt")
.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_   _)
.saveAsTextFile("hdfs://node01:8020/wordcount/output2")
  • SparkContext web UI

http://node01:4040/jobs/

  • 注意：

集群模式下程序是在集群上运行的，不要直接读取本地文件，应该读取hdfs上的。因为程序运行在集群上，具体在哪个节点上我们运行并不知道，其他节点可能并没有那个数据文件。

好了，本次的分享就到这里。对大数据技术感兴趣的小伙伴们可以关注一下Alice哟~下篇为大家带来Spark的HA高可用环境搭建教程，敬请期待!

node.js bash bash指令 spark linux

0 人点赞