Spark 分布式计算平台,主要承担实验引擎发送过来的计算任务,其中Worker实例可以横向扩展。
前置条件
需要使用Smartbi提供的Spark3.1安装包部署
数据挖掘数据量2000万以下时,无需单独部署spark节点,只需要提升数据挖掘服务器配置即可
文档环境
单机部署数据挖掘组件环境如下:
服务器IP | 主机名 | 组件实例 | 部署目录 |
---|---|---|---|
10.10.204.248 | 10-10-204-248 | 数据挖掘 | /data |
10.10.204.249 | 10-10-204-249 | Spark,Hadoop | /data |
10.10.204.250 | 10-10-204-250 | Python | /data |
1、系统环境准备
温馨提示
配置防火墙,selinux相关操作,需要管理员权限。
1.1 防火墙配置
为了便于安装,建议在安装前关闭防火墙。使用过程中,为了系统安全可以选择启用防火墙,但必须启用服务相关端口。
1.关闭防火墙
临时关闭防火墙(立即生效)
systemctl stop firewalld
永久关闭防火墙(重启后生效)
systemctl disable firewalld
查看防火墙状态
systemctl status firewalld
2.开启防火墙
相关服务及端口对照表:
服务名 | 需要开放端口 |
---|---|
Spark | 8080,8081,7077,[30000-65535] |
如果确实需要打开防火墙安装,需要给防火墙放开以下需要使用到的端口
开启端口:8080,8081,7077,[30000-65535]
firewall-cmd --zone=public --add-port=8080/tcp --permanent firewall-cmd --zone=public --add-port=8081/tcp --permanent firewall-cmd --zone=public --add-port=7077/tcp --permanent firewall-cmd --zone=public --add-port=30000-65535/tcp --permanent
配置完以后重新加载firewalld,使配置生效
firewall-cmd --reload
查看防火墙的配置信息
firewall-cmd --list-all
3.关闭selinux
临时关闭selinux,立即生效,不需要重启服务器。
setenforce 0
永久关闭selinux,修改完配置后需要重启服务器才能生效
sed -i 's/=enforcing/=disabled/g' /etc/selinux/config
2、Spark单节点安装
温馨提示
配置主机名映射,需要管理员权限。
2.1 配置主机名映射
将数据挖掘组件中的服务器主机名映射到hosts文件中
vi /etc/hosts
文件末尾添(根据实际环境信息设置):
10.10.204.248 10-10-204-248 10.10.204.249 10-10-204-249 10.10.204.250 10-10-204-250
2.2 配置系统免密登录
登陆服务器,生成密钥
ssh-keygen
输入ssh-keygen后,连续按三次回车,不用输入其它信息。
分别复制248节点的公钥文件到集群中所有的服务器上:
ssh-copy-id -i ~/.ssh/id_rsa.pub 10-10-204-248 ssh-copy-id -i ~/.ssh/id_rsa.pub 10-10-204-249 ssh-copy-id -i ~/.ssh/id_rsa.pub 10-10-204-250
测试是否设置成功
示例:
ssh 10-10-204-249
如果不用输入密码,表示配置成功
2.3 安装JAVA环境
解压jdk到指定目录:
tar -zxvf jdk-8u181-linux-x64.tar.gz -C /data
添加环境变量
vi /etc/profile
在文件末尾添加下面内容:
export JAVA_HOME=/data/jdk1.8.0_181 export JAVA_BIN=$JAVA_HOME/bin export CLASSPATH=:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar export PATH=$PATH:$JAVA_BIN
让配置生效
source /etc/profile
验证安装
java -version
2.4 安装Spark
温馨提示
1、安装部署、启动spark等,可以使用普通用户权限进行操作。
2、部署过程中用普通用户操作,则后续的所有运维操作等,都需要用普通用户来执行。如果切换其他用户操作,可能会因为权限问题导致服务启动失败。
3、spark的端口配置如果小于1024,也需要管理员权限才能启动服务。
解压Spark到指定目录
tar -zxvf spark-3.1.3-bin-hadoop3.2.tgz -C /data
启动Spark
cd /data/spark-3.1.3-bin-hadoop3.2/sbin ./start-all.sh
2.5 检查Spark
在浏览器中输入:http://master节点的ip:8080,查看集群状态
在spark节点提交任务测试进入/data/spark-3.1.3-bin-hadoop3.2/bin目录,执行以下命令(注意将”节点IP”替换对应的IP或主机名)
./spark-submit --class org.apache.spark.examples.SparkPi --master spark://节点IP:7077 /data/spark-3.1.3-bin-hadoop3.2/examples/jars/spark-examples_2.12-3.1.3.jar 100
运行得出圆周率Pi的近似值3.14即部署成功。
2.6 Smartbi连接Spark
前提条件
Smartbi配置Spark信息时,需要确保Smartbi能正常连接数据挖掘引擎。如下图
配置spark计算节点,打开系统运维–数据挖掘配置–执行引擎--计算节点配置,参考下图设置,修改完成后点击保存
配置Spark节点资源,点击一键推荐,系统会根据Spark work节点的服务器资源,生成推荐的配置(如果使用推荐值,记得点击保存,否则配置不生效):
注意:如果Spark节点服务器还部署了其他应用,spark节点资源建议手动配置。
配置完成后可参考: 测试数据挖掘及其组件 运行数据挖掘实验
2.7 运维操作
启动/停止spark服务
cd /data/spark-3.1.3-bin-hadoop3.2/sbin ./start-all.sh #启动spark ./stop-all.sh #停止spark
查看日志
Spark的日志路径:/data/spark-3.1.3-bin-hadoop3.2/logs
安装部署或者使用中有问题,可能需要根据日志来分析解决。