Ubuntu 12.04下spark1.0.0 集群搭建（原創）

spark1.0.0新版本的於2014-05-30正式發布啦，新的spark版本帶來了很多新的特性，提供了更好的API支持，spark1.0.0增加了Spark SQL組件，增強了標准庫（ML、streaming、GraphX）以及對JAVA和Python語言的支持；

下面，我們首先進行spark1.0.0集群的安裝，在這里我使用了兩台服務器，一台作為master即namenode主機，另一台作為slave即datanode主機，增加更多的slave只需重復slave部分的內容即可。：

系統版本：

• master：Ubuntu 12.04
• slave：Ubuntu 12.04
• hadoop：hadoop 2.2.0
• spark：spark 1.0.0

1. 安裝JDK和hadoop集群

　　安裝過程參見這里

2. 下載安裝Scala

• scala下載地址，這里下載的是最新版scala-2.11.1版本
• 解壓scala，放到/usr/lib目錄下

　　　　tar -xzvf scala-2.11.1.tgz

　　　　mv scala-2.11.1 /usr/lib/

• 配置scala環境變量：sudo vi /etc/profile

　　　在文件末尾添加scala路徑

　　　

　　　輸入 source /etc/profile 使路徑生效

• 測試scala：scala -version   #若出現scala版本信息說明安裝成功

PS：scala需要在所有slave節點上配置

3. 下載安裝spark

• spark1.0.0下載地址，解壓spark，放到/home/hadoop下

　　tar -xzvf spark-1.0.0-bin-hadoop2.tgz

• 配置spark環境變量：sudo vi /etc/profile

　　在文件末尾添加spark路徑

　　

　　輸入  source /etc/profile  使路徑生效

• 配置conf/spark-env.sh文件

　　若沒有該文件，則將 spark-env.sh.template 文件重命名即可，向文件中添加scala、java、hadoop路徑以及master ip等信息。

　　mv spark-env.sh.template spark-env.sh

　　vi spark-env.sh

　　

　　

　　

• 在conf/slaves中添加slave節點的hostname一行一個：

　　vi slaves

　　

4. 在所有slave機器上安裝配置spark

現在可以將master主機上的spark文件分發給所有的slave節點，注意slave與master的spark所在目錄必須一致，因為master會登錄到slave上執行命令，並認為slave的spark路徑與自己一樣
scp -r spark-1.0.0-bin-hadoop2 hadoop@slave:/home/hadoop/

5.啟動spark集群
在master主機上執行命令：
cd ~/spark-1.0.0-bin-hadoop2/sbin
./start-all.sh
檢測進程是否啟動：輸入 jps

配置完成
6. 下面體驗一下spark自帶的例子


./bin/run-example SparkPi

scala實現一個spark app

官方說明地址，這個小例子用於統計輸入文件中字母“a”和字母“b”的個數。網站上提供了scala、java、python三種實現，這里就只做一下scala的吧，這里需要安裝SBT（我們使用 sbt 創建、測試、運行和提交作業，可以簡單將SBT看做是Scala世界的Maven）。

spark-1.0.0木有自帶的sbt，我們可以選擇手動安裝，當然也可以選擇sudo apt-get install sbt的方式（我的系統中木有找到sbt包，所以就只有手動安裝咯）。安裝方法如下：

• 下載：sbt下載地址，我下載的是現在的最新版本sbt-0.13.5
• 解壓sbt到/home/hadoop/主目錄下（hadoop是我的用戶名，其實就是我的HOME啦）

　　tar -zxvf sbt-0.13.5.tgz

　　cd sbt/bin

　　java -jar sbt-launch.jar    #進行sbt安裝，時間大約一個小時吧，會下載很多東東，所以記得要聯網哦

• 成功后可以在/etc/profile中配置sbt的環境變量

　　sudo vi /etc/profile

　　

　　輸入source /etc/profile 使路徑生效

sbt安裝完成，下面就來寫這個簡單的spark app吧

• 創建一個目錄：mkdir ~/SimpleApp
• 在SimpleApp目錄下，創建如下的目錄結構：

        

• simple.sbt文件內容如下：

name := "Simple Project"
version := "1.0"
scalaVersion := "2.10.4"
libraryDependencies += "org.apache.spark" %% "spark-core" % "1.0.0"
resolvers += "Akka Repository" at "http://repo.akka.io/releases/"

• SimpleApp.scala文件內容如下：

/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object SimpleApp {
  def main(args: Array[String]) {
    val logFile = "YOUR_SPARK_HOME/README.md" // Should be some file on your system
    val conf = new SparkConf().setAppName("Simple Application")
    val sc = new SparkContext(conf)
    val logData = sc.textFile(logFile, 2).cache()
    val numAs = logData.filter(line => line.contains("a")).count()
    val numBs = logData.filter(line => line.contains("b")).count()
    println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
  }
}

PS：由於我們之前在spark配置過程中將hadoop路徑配置好了，因此這里的輸入路徑YOUR_SPARK_HOME/XXX實際上為HDFS文件系統中的文件，存儲位置與hadoop配置文件core-site.xml中的<name>相關（具體可參見這里，這個地方很容易出錯）。因此需要先將README.md文件put到hdfs上面：

• 編譯：

　　cd ~/SimpleApp

　　sbt package     #打包過程，時間可能會比較長，最后會出現[success]XXX

　　PS：成功后會生成許多文件 target/scala-2.10/simple-project_2.10-1.0.jar等

• 運行：

　　spark-submit --class "SimpleApp" --master local target/scala-2.10/simple-project_2.10-1.0.jar

• 結果：

7. 停止spark集群

cd ~/spark-1.0.0-bin-hadoop2/sbin

./stop-all.sh

---

本文為原創博客，若轉載請注明出處。