Linux中安装配置spark集群

一. Spark简介

　　Spark是一个通用的并行计算框架，由UCBerkeley的AMP实验室开发。Spark基于map reduce 算法模式实现的分布式计算，拥有Hadoop MapReduce所具有的优点；但不同于Hadoop MapReduce的是Job中间输出和结果可以保存在内存中，从而不再需要读写HDFS，节省了磁盘IO耗时，性能比Hadoop更快。 所以，相对来说Hadoop更适合做批处理，而Spark更适合做需要反复迭代的机器学习。下面是我在ubuntu14.04中配置Spark的整个流程以及遇到的问题的，一方面当做自己的备忘录，另一方面也希望能够给像我一样初次配置的新手提供一些帮助～╮(╯▽╰)╭

二. 安装配置

2.1 准备工作

注意：确保你之前已经安装配置好了hadoop集群（YARN方式），可以参考我的另一篇博文：Linux中安装配置hadoop集群 

我所使用的环境：

ubuntu 14.04 LTS 计算机两台，一个当作Master，一个作slave。

Scala版本：scala-2.10.6

Hadoop版本：hadoop-2.7.1

Spark版本：spark-1.6.1 （记得下载预编译版本的）

我的安装目录：

Scala：/home/hadoop/spark/scala-2.10.6

Spark：/home/hadoop/spark/spark-1.6.1

Java：/home/javafile/jdk1.7.0_79

 

2.2 具体安装步骤

1. 安装scala

首先，去scala官网下载scala-2.10.6.tgz，解压到：/home/hadoop/spark目录下；

2 tar zxvf scala-2.10.6.tgz

然后，修改：/etc/profile

2. 安装Spark

同样，还是先去Spark官网下载：spark-1.6.1-bin-hadoop2.6.tgz，解压到：/home/hadoop/spark下；

cd /home/hadoop/spark
tar zxvf spark-1.6.1-bin-hadoop2.6.tgz

然后，修改：/etc/profile

3. 配置Spark

01. 修改配置文件spark-env.sh

cd /home/hadoop/spark/spark-1.6.1/conf
cp spark-env.sh.template  spark-env.sh

修改spark-env.sh如下：

02. 修改配置文件slaves

在slaves中添加你的slave主机名：我只有一个slave，所以只添加了一个。

03. 配置slave

至此，master节点上的Spark已配置完毕。把master上Spark相关配置copy到slave中。（注意，三台机器spark所在目录必须一致，因为master会登陆到worker上执行命令，master认为worker的spark路径与自己一样）

三. 启动Spark

3.1 启动

启动命令非常简单：

cd /home/hadoop/spark/spark-1.6.1
sbin/start-all.sh

3.2 验证Spark是否启动成功

使用 jps 命令，查看master和slave上的进程：

master:

slave:

进入Spark的Web管理页面： http://master:8080 （将master替换成你的master主机名即可）

四. 总结

至此，Spark集群的安装配置就完成了，有什么不对的地方还请大家指正，一起交流讨论～

参考：

http://www.tuicool.com/articles/MbuaUv

http://wuchong.me/blog/2015/04/04/spark-on-yarn-cluster-deploy/

http://www.ibm.com/developerworks/cn/opensource/os-cn-spark-deploy1/index.html