查看“Spark install”的源代码

Apache Spark是一个开源集群运算框架，于 2009 年诞生于加州大学伯克利分校 AMPLab，2013 年被捐赠给 Apache 软件基金会，2014 年 2 月成为 Apache 的顶级项目。相对于 MapReduce 的批处理计算，Spark 可以带来上百倍的性能提升，因此它成为继 MapReduce 之后，最为广泛使用的分布式计算框架。

===安装包===
 wget <nowiki>https://dlcdn.apache.org/spark/spark-3.3.2/spark-3.3.2-bin-hadoop3-scala2.13.tgz</nowiki>
 tar -xzvf spark-3.3.2-bin-hadoop3-scala2.13.tgz
 mv spark-3.3.2-bin-hadoop3-scala2.13 /opt/
 ln -s /opt/spark-3.3.2-bin-hadoop3-scala2.13 /opt/spark
 chown -R hdfs:hadoop /opt/spark*
Spark 版本中的 without-hadoop 具有误导性，spark-3.5.3-bin-without-hadoop.tgz

===profile===
 export SPARK_HOME=/opt/spark
 export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH

===Configure===

====spark-env.sh====
 export JAVA_HOME='''/usr/java/jdk1.8.0_361'''
 export SPARK_MASTER_WEBUI_PORT='''8070'''
 export SPARK_WORKER_WEBUI_PORT='''8071'''
 <nowiki>#</nowiki> export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url='''zk1:2181,zk2:2181,zk3:2181''' -Dspark.deploy.zookeeper.dir=/spark"

====workers====
加入 Worker 节点
 g2-hdfs-01
 g2-hdfs-02
 ..

===Start===
*在某节点启动 spark 集群，执行 start-all.sh 命令后，在该节点上启动 Maser 服务，在 works 配置文件中配置的所有节点上启动 Worker 服务
一般来说，如果节点上只有 Spark 服务的话，上述命令也没什么问题。但碰巧 hadoop(hdfs) 也是同样的命令。所以最好是执行如下命令分别启动服务：

# start-master.sh
# start-workers.sh
*在其它 standby 节点执行 start-master.sh 命令，启动备用的 Master 服务（master-standby）    # 如果 spark-env.sh 中配置了 zookeeper

=== SYNC ===
 HN=esxi-mc1
 ssh ${HN} 'cd /tmp; tar -xzvf spark_332.tar.gz;  mv spark-3.3.2-bin-hadoop3-scala2.13 /opt/; ln -s /opt/spark-3.3.2-bin-hadoop3-scala2.13 /opt/spark; chown -R hdfs:hadoop /opt/spark*'

=== Error ===

* WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
* HiveContext is deprecated in Spark 2.0.0. Please use SparkSession.builder.enableHiveSupport().getOrCreate() instead

[[分类:Develop]]
[[分类:Hadoop]]
[[分类:Spark]]