spark運行模式之一：Spark的local模式安裝部署

Spark運行模式

Spark 有很多種模式，最簡單就是單機本地模式，還有單機偽分布式模式，復雜的則運行在集群中，目前能很好的運行在 Yarn和 Mesos 中，當然 Spark 還有自帶的 Standalone 模式，對於大多數情況 Standalone 模式就足夠了，如果企業已經有 Yarn 或者 Mesos 環境，也是很方便部署的。

• local(本地模式)：常用於本地開發測試，本地還分為local單線程和local-cluster多線程;
• standalone(集群模式)：典型的Mater/slave模式，不過也能看出Master是有單點故障的；Spark支持ZooKeeper來實現 HA
• on yarn(集群模式)： 運行在 yarn 資源管理器框架之上，由 yarn 負責資源管理，Spark 負責任務調度和計算
• on mesos(集群模式)： 運行在 mesos 資源管理器框架之上，由 mesos 負責資源管理，Spark 負責任務調度和計算
• on cloud(集群模式)：比如 AWS 的 EC2，使用這個模式能很方便的訪問 Amazon的 S3;Spark 支持多種分布式存儲系統：HDFS 和 S3

Spark Standalone集群部署

准備工作

• 這里我下載的是Spark的編譯版本，否則需要事先自行編譯
• Spark需要Hadoop的HDFS作為持久化層，所以在安裝Spark之前需要安裝Hadoop，這里Hadoop的安裝就不介紹了，給出一個教程Hadoop安裝教程_單機/偽分布式配置
• 實現創建hadoop用戶，Hadoop、Spark等程序都在該用戶下進行安裝
• ssh無密碼登錄，Spark集群中各節點的通信需要通過ssh協議進行，這需要事先進行配置。通過在hadoop用戶的.ssh目錄下將其他用戶的id_rsa.pub公鑰文件內容拷貝的本機的authorized_keys文件中，即可事先無登錄通信的功能
• Java環境的安裝，同時將JAVA_HOME、CLASSPATH等環境變量放到主目錄的.bashrc，執行source .bashrc使之生效

部署配置

這里配置工作需要以下幾個步驟：

1. 解壓Spark二進制壓縮包
2. 配置conf/spark-env.sh文件
3. 配置conf/slave文件

下面具體說明一下：

• 配置Spark的運行環境，將spark-env.sh.template模板文件復制成spark-env.sh，然后填寫相應需要的配置內容：

export SPARK_MASTER_IP=hadoop1 export SPARK_MASTER_PORT=7077 export SPARK_WORKER_CORES=1 export SPARK_WORDER_INSTANCES=1 export SPARK_WORKER_MEMORY=3g

其他選項內容請參照下面的選項說明：

# Options for the daemons used in the standalone deploy mode: # - SPARK_MASTER_IP, to bind the master to a different IP address or hostname # - SPARK_MASTER_PORT / SPARK_MASTER_WEBUI_PORT, to use non-default ports for the master # - SPARK_MASTER_OPTS, to set config properties only for the master (e.g. "-Dx=y") # - SPARK_WORKER_CORES, to set the number of cores to use on this machine # - SPARK_WORKER_MEMORY, to set how much total memory workers have to give executors (e.g. 1000m, 2g) # - SPARK_WORKER_PORT / SPARK_WORKER_WEBUI_PORT, to use non-default ports for the worker # - SPARK_WORKER_INSTANCES, to set the number of worker processes per node # - SPARK_WORKER_DIR, to set the working directory of worker processes # - SPARK_WORKER_OPTS, to set config properties only for the worker (e.g. "-Dx=y") # - SPARK_HISTORY_OPTS, to set config properties only for the history server (e.g. "-Dx=y")

• conf/slave文件用戶分布式節點的配置，這里只需要在slave文件中寫入該節點的主機名即可

• 將以上內容都配置好了，將這個spark目錄拷貝到各個節點scp -r spark Hadoop@hadoop2:~

• 接下來就可以啟動集群了，在Spark目錄中執行sbin/start-all.sh，然后可以通過netstat -nat命令查看端口7077的進程，還可以通過瀏覽器訪問hadoop1:8080了解集群的概況

Spark Client部署

Spark Client的作用是，事先搭建起Spark集群，然后再物理機上部署客戶端，然后通過該客戶端提交任務給Spark集群。 
由於上面介紹了Standalone分布式集群是如何搭建的，這里只需將集群上的spark文件夾拷貝過來。 
最簡單的Spark客戶端訪問集群的方式就是通過Spark shell的方式：bin/spark-shell --master spark://hadoop1:7077這樣就可以訪問集群了。 
這樣在瀏覽器的Spark集群界面上就可以看到Running Applications一欄中有Spark shell的應用在執行。

Spark Standalone偽分布式部署

偽分布式是在一台機器上進行部署來模擬分布式的集群，這里部署的過程和Standalone集群的部署是類似的，事前的工作都是一樣的，這里只是在配置文件中做相應的修改就可以了。

這里還是配置這兩個文件：

配置conf/spark-env.sh文件 
配置conf/slave文件

• 修改spark-env.sh文件，修改master的ip，這里主機名和用戶ip分別在/etc/hostname和/etc/hosts文件中進行配置

export SPARK_MASTER_IP=jason export SPARK_MASTER_PORT=7077 export SPARK_WORKER_CORES=1 export SPARK_WORDER_INSTANCES=1 export SPARK_WORKER_MEMORY=3g

• slave文件中，填寫自己的主機名，比如我的主機名jason

轉自：http://blog.csdn.net/jasonding1354/article/details/46828315