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Spark3.0安装包部署
文档环境
集群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 |
---|---|---|---|
10.10.35.64 | 10-10-35-64 | 数据挖掘-1,Zookeeper-1,Python-1 | /data |
10.10.35.65 | 10-10-35-65 | 数据挖掘-2,Spark-1,Hadoop-1 | /data |
10.10.35.66 | 10-10-35-66 | Spark-2,Zookeeper-2,Hadoop-2 | /data |
10.10.35.67 | 10-10-35-67 | Spark-3,Zookeeper-3,Hadoop-3,Python-2 | /data |
1、系统环境准备
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
systemctl stop firewalld
永久关闭防火墙
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集群安装
Spark集群节点说明
主机名 | 组件 |
---|---|
10-10-35-65 | Master,Slave-1 |
10-10-35-66 | Slave-2 |
10-10-35-67 | Slave-3 |
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(所有节点均需执行此操作)
vi /etc/hosts
文件末尾添加(根据实际环境信息设置):
10.10.35.64 10-10-35-64 10.10.35.65 10-10-35-65 10.10.35.66 10-10-35-66 10.10.35.67 10-10-35-67
2.2 配置系统免密登录
注意
①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。
②复制本机公钥到其它机器
假设当前的系统用户为root(注意,每台机器使用同一个用户来安装), 那命令如下:
ssh-copy-id -i ~/.ssh/id_rsa.pub root@10-10-35-65 ssh-copy-id -i ~/.ssh/id_rsa.pub root@10-10-35-66 ssh-copy-id -i ~/.ssh/id_rsa.pub root@10-10-35-67
测试是否设置成功
ssh root@10-10-35-65 ssh root@10-10-35-66 ssh root@10-10-35-67
如果不用输入密码,表示配置成功
2.3 安装JAVA环境
注意
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
登陆10-10-35-65(Master)节点操作。
①解压Spark到指定目录
tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /data
②配置Spark从节点列表
cd /data/spark-3.0.0-bin-hadoop3.2/conf cp slaves.template slaves vi slaves
把所有spark worker节点的机器名加到slaves文件中,参考如下:
10-10-35-65 10-10-35-66 10-10-35-67
③将Spark安装包分发到Spark Work节点(10-10-35-66(slave-1)、10-10-35-67(slave-2))
假设当前的系统用户为root命令如下:
scp -r /data/spark-3.0.0-bin-hadoop3.2 root@10-10-35-66:/data/ scp -r /data/spark-3.0.0-bin-hadoop3.2 root@10-10-35-67:/data/
④在Spark Master节点(10-10-35-65(Master))启动Spark集群
cd /data/spark-3.0.0-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-3.0.0-bin-hadoop3.2/bin目录,执行以下命令(注意将”Spark-MasterIP”替换对应的IP或主机名)
./spark-submit --class org.apache.spark.examples.SparkPi --master spark://Spark-MasterIP:7077 /data/spark-3.0.0-bin-hadoop3.2/examples/jars/spark-examples_2.12-3.0.0.jar 100
运行得出圆周率Pi的近似值3.14即部署成功。
2.5 运维操作
登陆10-10-35-65(Master)节点操作。
启动/停止spark服务
cd /data/spark-3.0.0-bin-hadoop3.2/sbin ./start-all.sh #启动spark集群 ./stop-all.sh #停止spark集群
查看日志
Spark的日志路径:/data/spark-3.0.0-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。