由于最近学习大数据开发，spark作为分布式内存计算框架，当前十分火热，因此作为首选学习技术之一。Spark官方提供了三种集群部署方案： Standalone, Mesos, Yarn。其中 Standalone 为Spark本身提供的集群模式，搭建过程可以参考官网，本文介绍Spark on Yarn集群部署过程。使用3台普通机器搭建Spark集群。
- 软件环境
Ubuntu 16.04 LTS
Scala-2.10.6
Hadoop-2.7.2
spark-1.6.1-bin-hadoop2.6
Java-1.8.0_77
- 硬件环境：
一个Master节点，一个Slave节点
Intel® Core™ i5-2310 CPU @ 2.90GHz × 4
4G内存
500G硬盘
一个Slave节点
Intel® Core™ i3-2100 CPU @ 3.10GHz × 4
4G内存
500G硬盘
一、配置/etc/hosts及免密码登录
本文下载安装的软件都放在 home 目录下。
-
主机hosts文件配置
在每台主机上修改host文件
1.pngsudo vim /etc/hosts 218.199.92.225 fang-ubuntu(Master) 218.199.92.226 fei-ubuntu(Slave) 218.199.92.227 kun-ubuntu(Slave) 127.0.0.1 localhost 127.0.1.1 localhost
** 注：若此地未配置，或者未配置正确会导致集群启动不正常或者失败(nodemanager did not stop gracefully after 5 seconds )**
配置之后ping一下各机器名称检查是否生效，例如ssh hadoop@fei-ubuntu
- 配置SSH 免密码登录
-
如果没有安装ssh，需要安装Openssh server，命令为：
sudo apt-get install openssh-server。 -
在所有机器上都生成私钥和公钥
ssh-keygen -t rsa #一路回车 -
需要让机器间都能相互访问，就把每个机子上的id_rsa.pub发给master节点，传输公钥可以用scp来传输。
scp ~/.ssh/id_rsa.pub hadoop@fang-ubuntu:~/.ssh/id_rsa.pub.slave1 -
在master上，将所有公钥加到用于认证的公钥文件authorized_keys中
cat ~/.ssh/id_rsa.pub* >> ~/.ssh/authorized_keys -
将公钥文件authorized_keys分发给每台slave
scp ~/.ssh/authorized_keys hadoop@kun-ubuntu:~/.ssh/ 在每台机子上验证SSH无密码登录
在终端中输入登录命令，例如：ssh hadoop@fang-ubuntu 如果直接登录成功而不需要登录密码，则表示设置正确；如果登录不成功，即仍然需要登录密码，则可能需要修改文件authorized_keys的权限。
注：.ssh 文件夹的权限必须为700，authorized_keys文件权限必须为600
使用如下命令改变文件夹权限：chmod 600 ~/.ssh/authorized_keys
二、安装 Java
从官网下载最新版 Java，Spark官方说明 Java 只要是6以上的版本都可以，本文使用的是 jdk-8u91-linux-x64.tar.gz。
在下载目录下直接解压tar -zcvf jdk-8u91-linux-x64.tar.gz并复制文件到/usr/lib/jvm中，命令如下：
sudo cp -r jdk1.8.0_77 /usr/lib/jvm(如果没有jvm文件夹，则手动创建一个)
修改环境变量 /etc/profile，添加下列内容：
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_77
export JRE_HOME=$JAVA_HOME/jre
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
然后使环境变量生效，并验证 Java 是否安装成功
$ source /etc/profile #生效环境变量
$ java -version #如果打印出如下版本信息，则说明安装成功
三、安装 Scala
Spark官方要求 Scala 版本为 2.10.x，注意不要下错版本，我这里下了 2.10.6同样我们在~/中解压
tar -zcvf scala-2.10.6.tar.gz
再次修改环境变量sudo vim /etc/profile，添加以下内容：
export SCALA_HOME=/home/hadoop/scala-2.10.6
export PATH=$PATH:$SCALA_HOME/bin
同样的方法使环境变量生效，并验证 scala 是否安装成功
$ source /etc/profile #生效环境变量
$ scala -version #如果打印出如下版本信息，则说明安装成功。
四、安装配置 Hadoop YARN
从官网下载 hadoop2.7.2版本,在用户根目录解压tar -zcvf hadoop-2.7.2.tar.gz
再次修改环境变量sudo vim /etc/profile，添加以下内容：
export HADOOP_HOME=/home/hadoop/hadoop-2.7.2
export HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
export YARN_HOME=/home/hadoop/hadoop-2.7.2
export YARN_CONF_DIR=${YARN_HOME}/etc/hadoop
同样的方法使环境变量生效
$ source /etc/profile #生效环境变量
注：有时候修改了/etc/profile文件，执行命令source之后还是不能达到正常的效果，则需要重新机器，看问题是否能解决。
配置 Hadoop，cd ~/hadoop-2.7.2/etc/hadoop进入hadoop配置目录，需要配置有以下7个文件：
hadoop-env.sh，yarn-env.sh，slaves，core-site.xml，hdfs-site.xml，maprd-site.xml，yarn-site.xml。
在hadoop-env.sh中配置JAVA_HOME
# The java implementation to use.
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_77
在yarn-env.sh中配置JAVA_HOME
# some Java parameters
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_77
在slaves中配置slave节点的ip或者host，
fei-ubuntu
kun-ubuntu
修改core-site.xml
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://fang-ubuntu:9000/</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/home/hadoop/hadoop-2.7.2/tmp</value>
</property>
</configuration>
修改hdfs-site.xml
<configuration>
<property>
<name>dfs.namenode.secondary.http-address</name>
<value>fang-ubuntu:9001</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/home/hadoop/hadoop-2.7.2/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/home/hadoop/hadoop-2.7.2/dfs/data</value>
</property>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
</configuration>
修改mapred-site.xml
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
修改yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
<property>
<name>yarn.resourcemanager.address</name>
<value>fang-ubuntu:8032</value>
</property>
<property>
<name>yarn.resourcemanager.scheduler.address</name>
<value>fang-ubuntu:8030</value>
</property>
<property>
<name>yarn.resourcemanager.resource-tracker.address</name>
<value>fang-ubuntu:8035</value>
</property>
<property>
<name>yarn.resourcemanager.admin.address</name>
<value>fang-ubuntu:8033</value>
</property>
<property>
<name>yarn.resourcemanager.webapp.address</name>
<value>fang-ubuntu:8088</value>
</property>
</configuration>
将配置好的hadoop-2.7.2文件夹分发给所有slaves节点
scp -r ~/hadoop-2.6.0 hadoop@fei-ubuntu:~/
启动 Hadoop
在 master节点上执行以下操作，就可以启动 hadoop 了。
cd ~/hadoop-2.7.2 #进入hadoop目录
bin/hadoop namenode -format #格式化namenode
注：若格式化之后重新修改了配置文件，重新格式化之前需要删除tmp，dfs，logs文件夹。
sbin/start-dfs.sh #启动dfs
sbin/start-yarn.sh #启动yarn
验证 Hadoop 是否安装成功，可以通过jps命令查看各个节点启动的进程是否正常。
在 master 上应该有以下几个进程：
在每个slave上应该有以下几个进程：
在浏览器中输入 http://fang-ubuntu:8088 ，可以看到hadoop 的管理界面。
五、Spark安装
下载解压，进入官方下载地址下载最新版 Spark。我下载的是 spark-1.6.1-bin-hadoop2.6.tar.gz。
在~/目录下解压
tar -zcvf spark-1.6.1-bin-hadoop2.6.tar.gz
配置 Spark
cd ~spark-1.6.1-bin-hadoop2.6/conf #进入spark配置目录
cp spark-env.sh.template spark-env.sh #从配置模板复制
vim spark-env.sh #添加配置内容
在spark-env.sh末尾添加以下内容（这是我的配置，你可以自行修改）：
export SPARK_HOME=/home/hadoop/spark-1.6.1-bin-hadoop2.6
export SCALA_HOME=/home/hadoop/scala-2.10.6
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_77
export HADOOP_HOME=/home/hadoop/hadoop-2.7.2
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$SCALA_HOME/bin
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$YARN_HOME/etc/hadoop
export SPARK_MASTER_IP=218.199.92.227
SPARK_LOCAL_DIRS=/home/haodop/spark-1.6.1-bin-hadoop2.6
SPARK_DRIVER_MEMORY=1G
export SPARK_LIBARY_PATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$HADOOP_HOME/lib/native
注：在设置Worker进程的CPU个数和内存大小，要注意机器的实际硬件条件，如果配置的超过当前Worker节点的硬件条件，Worker进程会启动失败。
vim slaves在slaves文件下填上slave主机名：
fei-ubuntu
kun-ubuntu
将配置好的spark-1.6.1-bin-hadoop2.6文件夹分发给所有slaves吧
scp -r ~/spark-1.6.1-bin-hadoop2.6 hadoop@kun-ubuntu:~/
启动Spark
sbin/start-all.sh
验证 Spark 是否安装成功
主节点上启动了Master进程：
在 slave 上启动了Worker进程：
进入Spark的Web管理页面：http://fang-ubuntu:8080
六、运行示例
本例以集群模式运行SparkPi实例程序(deploy-mode 设置为cluster)
./bin/spark-submit
--class org.apache.spark.examples.SparkPi
--master yarn --deploy-mode cluster
--driver-memory 1G --executor-memory 1G
--executor-cores 1 lib/spark-examples-1.6.1-hadoop2.6.0.jar 40
任务提交时web界面
作业运行完成web界面
注意 Spark on YARN 支持两种运行模式，分别为yarn-cluster和yarn-client，yarn-cluster适用于生产环境；而yarn-client适用于交互和调试，因为能在客户端终端看到程序输出。客户端模式实例和上面集群模式运行过程类似，在此不在赘述。
The End
