该文章主要为完成实训任务，详细实现过程及结果见【http://t.csdn.cn/DrziJ】
文章目录
- 一、在master虚拟机上安装配置Spark
- 1.1 将spark安装包上传到master虚拟机
- 1.2 将spark安装包解压到指定目录
- 1.3 配置spark环境变量
- 1.4 编辑spark环境配置文件
- 1.5 创建slaves文件，添加从节点
- 二、在slave1虚拟机上安装配置Spark
- 2.1 把master虚拟机上安装的spark分发给slave1虚拟机
- 2.2 将master虚拟机上环境变量配置文件分发到slave1虚拟机
- 2.3 在slave1虚拟机上让spark环境配置文件生效
- 三、在slave2虚拟机上安装配置Spark
- 3.1 把master虚拟机上安装的spark分发给slave2虚拟机
- 3.2 把master虚拟机上环境变量配置文件分发到slave2虚拟机
- 3.3 在slave2虚拟机上让spark环境配置文件生效
- 四、启动Spark Standalone集群
- 4.1 启动hadoop的dfs服务
- 4.2 启动Spark集群
- 五、访问Spark的WebUI
- 六、启动Scala版Spark Shell
- 七、提交Spark应用程序
- 7.1 提交语法格式
- 7.2 spark-submit常用参数
- 7.3 案例演示 - 提交Spark自带的圆周率计算程序
- （1）Standalone模式，采用client提交方式
- （2）Standalone模式，采用cluster提交方式
- 八、停止Spark集群服务
一、在master虚拟机上安装配置Spark
1.1 将spark安装包上传到master虚拟机
- 下载Spark：pyw2
- 进入
/opt目录，查看上传的spark安装包
1.2 将spark安装包解压到指定目录
- 执行命令：
tar -zxvf spark-3.3.2-bin-hadoop3.tgz
- 修改文件名：
mv spark-3.3.2-bin-hadoop3 spark-3.3.2
1.3 配置spark环境变量
- 执行命令：
vim /etc/profile
export SPARK_HOME=/opt/spark-3.3.2
export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH
- 存盘退出后，执行命令：
source /etc/profile，让配置生效
- 查看spark安装目录（bin、sbin和conf三个目录很重要）
1.4 编辑spark环境配置文件
- 进入spark配置目录后，执行命令：
cp spark-env.sh.template spark-env.sh与vim spark-env.sh
- 添加三行语句
export JAVA_HOME=/usr/java/jdk1.8.0_333-amd64
export SPARK_MASTER_HOST=master
export SPARK_MASTER_PORT=7077
- 存盘退出，执行命令：
source spark-env.sh，让配置生效
1.5 创建slaves文件，添加从节点
- 执行命令：
vim slaves，添加两个从节点主机名
二、在slave1虚拟机上安装配置Spark
2.1 把master虚拟机上安装的spark分发给slave1虚拟机
- 执行命令：
scp -r $SPARK_HOME root@slave1:$SPARK_HOME
2.2 将master虚拟机上环境变量配置文件分发到slave1虚拟机
-
在master虚拟机上，执行命令：
scp /etc/profile root@slave1:/etc/profile
-
在slave1虚拟机上，执行命令：
source /etc/profile，让环境配置生效
2.3 在slave1虚拟机上让spark环境配置文件生效
- 在slave1虚拟机上，进入spark配置目录，执行命令：
source spark-env.sh
三、在slave2虚拟机上安装配置Spark
3.1 把master虚拟机上安装的spark分发给slave2虚拟机
- 执行命令：
scp -r $SPARK_HOME root@slave2:$SPARK_HOME
3.2 把master虚拟机上环境变量配置文件分发到slave2虚拟机
- 在master虚拟机上，执行命令：
scp /etc/profile root@slave2:/etc/profile
- 在slave2虚拟机上，执行命令：
source /etc/profile，让环境配置生效
3.3 在slave2虚拟机上让spark环境配置文件生效
- 在slave2虚拟机上，进入spark配置目录，执行命令：
source spark-env.sh
四、启动Spark Standalone集群
4.1 启动hadoop的dfs服务
- 在master虚拟机上执行命令：
start-dfs.sh
4.2 启动Spark集群
- 执行命令：
start-all.sh
五、访问Spark的WebUI
- 在浏览器里访问
http://master:8080
- 在浏览器访问
http://slave1:8081
- 在浏览器访问
http://slave2:8081
六、启动Scala版Spark Shell
- 执行命令：
spark-shell --master spark://master:7077（注意–master，两个-不能少）
- 在/opt目录里执行命令：
vim test.txt
- 在HDFS上创建park目录，将test.txt上传到HDFS的/park目录
- 读取HDFS上的文件，创建RDD，执行命令：
val rdd = sc.textFile("hdfs://master:9000/park/test.txt")（说明：val rdd = sc.textFile("/park/test.txt")读取的依然是HDFS上的文件，绝对不是本地文件）
- 收集rdd的数据，执行命令：
rdd.collect
- 进行词频统计，按单词个数降序排列，执行命令：
val wordcount = rdd.flatMap(_.split(" ")).map((_, 1)).reduceByKey(_ + _).sortBy(_._2, false)与wordcount.collect.foreach(println)
七、提交Spark应用程序
7.1 提交语法格式
- Spark提供了一个客户端应用程序提交工具spark-submit，使用该工具可以将编写好的Spark应用程序提交到Spark集群。
- spark-submit的使用格式如下：
$ bin/spark-submit [options] <app jar> [app options] - options表示传递给spark-submit的控制参数；
- app jar表示提交的程序JAR包（或Python脚本文件）所在位置；
- app options表示jar程序需要传递的参数，例如main()方法中需要传递的参数。
7.2 spark-submit常用参数
- 除了–master参数外，spark-submit还提供了一些控制资源使用和运行时环境的参数。
7.3 案例演示 - 提交Spark自带的圆周率计算程序
- 进入Spark安装目录
（1）Standalone模式，采用client提交方式
- 执行下述命令，将Spark自带的求圆周率的程序提交到集群
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://master:7077 \
./examples/jars/spark-examples_2.12-3.3.2.jar
（2）Standalone模式，采用cluster提交方式
bin/spark-submit \
--master spark://master:7077 \
--deploy-mode cluster \
--class org.apache.spark.examples.SparkPi \
--driver-memory 512m \
--executor-memory 1g \
--executor-cores 2 \
./examples/jars/spark-examples_2.12-3.3.2.jar
- 执行命令后，看到
State of driver-20230406114733-0000 is RUNNING，就表明运行成功~，否则会显示State of driver-20230406114733-0000 is FAILED
- 在Spark WebUI界面上查看运行结果，访问
http://master:8080
- 单击圈红的Worker超链接
- worker-20230406114652-192.168.1.102-36708
- 单击
stdout超链接，可以查看到Pi的计算结果
八、停止Spark集群服务
- 在master节点执行命令：
stop-all.sh
