Spark install

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 https://dlcdn.apache.org/spark/spark-3.3.2/spark-3.3.2-bin-hadoop3-scala2.13.tgz
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*

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
# 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：

1. start-master.sh
2. 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