Spark-1.4.0单机部署(Hadoop-2.6.0采用伪分布式)【已测】
2015-08-26 19:24
531 查看
目前手上只有一个机器,就先拿来练下手(事先服务器上没有安装软件)尝试一下Spark的单机部署。
几个参数:JDK-1.7+
Hadoop-2.6.0(伪分布式);
Scala-2.10.5;
Spark-1.4.0;
下面是具体的配置过程
安装JDK 1.7+
【下载网址】http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
环境变量设置(最好不要采用openjdk):
export JAVA_HOME=/usr/java/java-1.7.0_71 export JRE_HOME=$JAVA_HOME/jre export PATH=$PATH:$JAVA_HOME/bin export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
更新重启环境变量
$ source /etc/profile
测试
$ java -version
下载安装scala-2.10.5
【下载网址】http://www.scala-lang.org/download/2.10.5.html
下载对对对应的压缩包
$ tar -zxf scala-2.10.5.tgz $ sudo mv scala-2.10.5 /usr/local
配置环境变量:
export SCALA_HOME=/usr/local/scala-2.11.4
export PATH=$SCALA_HOME/bin:$PATH
更新启动环境变量
source /etc/profile
测试scala安装是否成功
$ scala -version
【亲测】安装Hadoop(需要修改Hadoop的情况下,手动编译)
【安装Hadoop的参考网址】http://qindongliang.iteye.com/blog/2222145
安装依赖
sudo yum install -y autoconf automake libtool git gcc gcc-c++ make cmake openssl-devel,ncurses-devel bzip2-devel
安装Maven3.0+
【下载网址】http://archive.apache.org/dist/maven/maven-3/3.0.5/binaries/
解压
tar -xvf apache-maven-3.0.5-bin.tar.gz
移动文件
mv -rf apache-maven-3.0.5 /usr/local/
配置环境变量
MAVEN_HOME=/usr/local/apache-maven-3.0.5 export MAVEN_HOME export PATH=${PATH}:${MAVEN_HOME}/bin
使生效
source /etc/profile
检查是否安装成功
mvn -v
安装ant1.8+
【下载网址】http://archive.apache.org/dist/ant/binaries/
环境变量
export ANT_HOME=/usr/local/apache-ant-1.8.4 export PATH=$ANT_HOME/bin:$PATH
测试
ant -version
安装 protobuf-2.5.0.tar.gz
解压
tar xvf protobuf-2.5.0.tar.gz
安装
cd protobuf-2.5.0
./configure --prefix=/usr/local/protobuf
make
nake install
环境变量
export PATH=$PATH:/usr/local/protobuf/bin export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/protobuf/lib
测试
protoc --version
如果输出
libprotoc 2.5.0表示安装成功。
安装snappy1.1.0.tar.gz(可选选项,如果需要编译完的Hadoop支持Snappy压缩,需要此步骤)
安装
./configure --prefix=/usr/local/snappy#指定的一个安装目录
make
make install
安装hadoop-snappy
git下载地址
git clone https://github.com/electrum/hadoop-snappy.git[/code]
打包
下载完成后cd hadoop-snappy
执行maven打包命令mvn package -Dsnappy.prefix=/home/search/snappy
验证
这个目录就是编译后的snappy的本地库,在hadoop-snappy/target/hadoop-snappy-0.0.1-SNAPSHOT-tar/hadoop-snappy-0.0.1-SNAPSHOT/lib目录下,有个hadoop-snappy-0.0.1-SNAPSHOT.jar,在hadoop编译后,需要拷贝到$HADOOP_HOME/lib目录下。
【备注】整个过程中使用到的包都放在/root/下面。
安装Hadoop
安装(下载hadoop-2.6.0-src.tar.gz是hadoop的源码)
【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
【也可以直接获取】wget http://archive-primary.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.4.1-src.tar.gz[/code]
解压tar -zxvf hadoop-2.6.0-cdh5.4.1-src.tar.gz
解压后进入根目录,执行下面这个编译命令,就能把snappy库绑定到hadoop的本地库里面,这样就可以在所有的机器上跑了mvn clean package -DskipTests -Pdist,native -Dtar -Dsnappy.lib=(hadoop-snappy里面编译后的库地址) -Dbundle.snappy
中间会报一些异常,无须关心,如果报异常退出了,就继续执行上面这个命令,直到成功为止,一般速度会跟你的网速有关系,大概40分钟左右,最后会编译成功。
【最终选择】安装Hadoop(无需修改Hadoop时直接下载编译好的Hadoop文件)
安装(下载已经编译好的hadoop-2.6.0.tar.gz)
【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
解压安装在/usr/local/
改名为hadoop,即最终路径:/usr/local/hadoop下同。单机部署Hadoop(伪分布式)
Hadoop 的配置文件位于/usr/local/hadoop/etc/hadoop/中(很多的xml文件),伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml。
修改配置文件 core-site.xml (vim /usr/local/hadoop/etc/hadoop/core-site.xml)
将当中的<configuration> </configuration>
修改为下面配置:<configuration> <property> <name>hadoop.tmp.dir</name> <value>file:/usr/local/hadoop/tmp</value> <description>Abase for other temporary directories.</description> </property> <property> <name>fs.defaultFS</name> <value>hdfs://localhost:9000</value> </property> </configuration>
修改配置文件 hdfs-site.xml(同理)<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> <property> <name>dfs.namenode.name.dir</name> <value>file:/usr/local/hadoop/tmp/dfs/name</value> </property> <property> <name>dfs.datanode.data.dir</name> <value>file:/usr/local/hadoop/tmp/dfs/data</value> </property> </configuration>
【注意】不说明的话都是目录的起始位置都是:hadoop/
配置完成后,执行 namenode 的格式化:bin/hdfs namenode -format
成功的话,会看到successfully formatted的提示,且输出信息的倒数第5行的提示如下,Exitting with status 0 表示成功,若为 Exitting with status 1 则是出错。若出错,可试着加上 sudo, 既sudo bin/hdfs namenode -format再试试看。
开启NameNode、DataNode守护进程sbin/start-dfs.sh
【注意】若你使用的是 Hadoop 2.4.1 64位,则此时可能会出现一连串的warn提示,如WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable这个提示,这些warn提示可以忽略,不会影响正常使用。
查看进程
输入jps即可
成功启动则会列出如下进程: NameNode、DataNode和SecondaryNameNode
Hadoop-webUI
在浏览器中输入http://localhost:50070(localhost或者是服务器ip)
【注意】如无法访问,先检查防火墙是否是关闭状态(应当是关闭状态)。
注意(配置过程中遇到)
在这一步以及后面启动 Hadoop 时若提示Error: JAVA_HOME is not set and could not be found.的错误,则需要在文件hadoop/etc/hadoop/hadoop-env.sh中设置 JAVA_HOME 变量,即找到export JAVA_HOME=${JAVA_HOME} 这一行,改为 export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64(就是之前设置的JAVA_HOME位置),再重新尝试即可。
关闭NameNode、DataNode守护进程sbin/stop-dfs.sh单机部署Spark
下载wget http://archive.apache.org/dist/spark/spark-1.4.0/spark-1.4.0-bin-hadoop2.6.tgz[/code]
解压并修改名字为spark
环境变量export SPARK_HOME=/usr/local/spark export PATH=$PATH:$SPARK_HOME/bin
配置Spark环境变量cd $SPARK_HOME/confcp spark-env.sh.template spark-env.shvim spark-env.sh
添加如下代码:export JAVA_HOME=/usr/java/latest export HADOOP_HOME=/usr/local/hadoop export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop export SCALA_HOME=/usr/local/scala-2.10.5 export SPARK_HOME=/usr/local/spark export SPARK_MASTER_IP=127.0.0.1 export SPARK_MASTER_PORT=7077 export SPARK_MASTER_WEBUI_PORT=8099 export SPARK_WORKER_CORES=3 export SPARK_WORKER_INSTANCES=1 export SPARK_WORKER_MEMORY=10G export SPARK_WORKER_WEBUI_PORT=8081 export SPARK_EXECUTOR_CORES=1 export SPARK_EXECUTOR_MEMORY=1G #export SPARK_CLASSPATH=/opt/hadoop-lzo/current/hadoop-lzo.jar #export SPARK_CLASSPATH=$SPARK_CLASSPATH:$CLASSPATH export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$HADOOP_HOME/lib/native
配置Slavecp slaves.template slavesvim slaves
添加以下代码(默认就是localhost):localhost
因为是单机ssh免登陆不再赘述
启动Spark Master
目录:cd $SPARK_HOME/sbin/./start-master.sh
启动Spark Slave
目录:cd $SPARK_HOME/sbin/./start-slaves.sh(注意是slaves)
启动Spark-shell(application)
./spark-shell –master spark://127.0.0.1:7077
Spark-webUIhttp://localhost:8099(localhost或者是服务器ip)
如下所示:
关闭master和slave
目录:cd $SPARK_HOME/sbin/./stop-master.sh./stop-slaves.sh测试
Spark-shell测试./spark-shell ... scala> val days = List("Sunday","Monday","Tuesday","Wednesday","Thursday","Friday","Saturday") days: List[String] = List(Sunday, Monday, Tuesday, Wednesday, Thursday, Friday, Saturday) scala> val daysRDD =sc.parallelize(days) daysRDD: org.apache.spark.rdd.RDD[String] = ParallelCollectionRDD[0] at parallelize at <console>:14 scala>daysRDD.count() scala>res0:Long =7
脚本测试
本地模式./bin/run-example org.apache.spark.examples.SparkPi 2 spark://localhost:7077./bin/run-example SparkPi 10 --master local[2]
standalone模式
【注意】127.0.0.1 && *.jar的路径./spark-submit --class org.apache.spark.examples.SparkPi --master spark://127.0.0.1:7077 ../lib/spark-examples-1.4.0-hadoop2.6.0.jar 100
yarn测试(cluster模式和client模式)
【注意】*.jar的路径./spark-submit --class org.apache.spark.examples.SparkPi --master yarn-cluster ../lib/spark-examples*.jar 10http://localhost:8088/(localhost可以是服务器地址)./spark-submit --class org.apache.spark.examples.SparkPi --master yarn-client ../lib/spark-examples*.jar 10
访问localhost:8088结果如下:
数据测试
写一个简单的shell准备数据,之后进行word count测试。getNum(){ c=1 while [[ $c -le 5000000 ]] do echo $(($RANDOM/500)) ((c++)) done } for i in `seq 30` do getNum >> ${i}.txt & # getNum done wait echo "------------------DONE-----------------" cat [0-9]*.txt > num.txt
创建hdfs文件目录(执行文件位于hadoop/bin/hdfs;hdfs根目录是hdfs://localhost:9000)
执行命令:./bin/hdfs dfs -mkdir -p /user/hadoop/datatest
向创建的hdfs文件中写入数据(脚本生成的数据)
执行命令:./bin/hdfs dfs -put /root/num.txt /user/hadoop/datatest
scala测试代码:
执行命令:spark/bin/Spark-shellscala> val file = sc.textFile("hdfs://localhost:9000/user/hadoop/datatest/num.txt") scala> val count = file.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_+_) scala> count.sortBy(_._2).map(x => x._1 + "\t" + x._2).saveAsTextFile("hdfs://localhost:9000/user/hadoop/datatest/numCount")
执行hadoop相关操作命令:(hadoop/bin/)./hadoop fs -cat hdfs://localhost:9000/user/hadoop/datatest/numCount/p*|sort -k2n
测试结果如下:SparkR安装
SparkR遵循Apache 2.0 License,除了要求用户在他们机器上安装R和Java之外,不需要依赖任何外部的东西!
【注意】在编译Spark的时候,如果需要使用到SparkR,可以在编译时候加上-PsparkRMaven配置属性。如果使用下载的编译好的Spark应该就没有这样的问题。
【下载网站】
http://cran.r-project.org/src/base/R-3
解压安装./configure --prefix=/usr/local/Rmake && make install
设置环境变量export R_HOME=/usr/local/Rexport PATH=$R_HOME:$PATH
安装R之后(已经安装了java)就可以了。进入spark/bin执行sparkR即可进入sparkR状态。如下:
相关文章推荐
- 13、Apache中虚拟目录和目录权限配置
- Linux下手动配置firefox的搜索引擎
- Linux常用命令之man/mv/shutdown/history
- Hadoop伪分布环境搭建——Linux环境配置
- Linux进程-命令行参数和环境列表
- 【Ubuntu】Linux必备软件之Samba
- Linux系统调用--getrusage函数详解
- linux 统计 程序运行时间
- linux ftp
- 详细介绍Linux指令od --- od可以将文件以十六进制与字符对比
- .NET Open Source Developer Projects
- 无线路由器破解之cdlinux
- tomcat 项目目录修改
- 常用linux命令总结(二)nginx日志分析命令
- Linux之文件访问权限管理
- 关于项目架构设计的一些规范
- 再谈Linux下的动态库
- Squid代理服务器--基础篇
- Kali Linux中前十名的Wifi攻击工具
- 【Ubuntu】Linux系统( ubuntu )安装方案