大数据学习[05]:Spark高可用配置安装
2017-09-18 21:10
357 查看
摘要:目的是基于zk搭建高可用Spark计算框架;首先安装scala环境;然后,配置spark相关配置文件;最后启动zookeeper,hadoop, spark,查看各个节点的进程情况, 展示demo, 验证spark高可用是怎么一回事。
前置
linux集群系统配置:[1] 大数据学习前夕[01]:系统-网络-SSHJDK环境:[2] 大数据学习前夕[02]:JDK安装升级
zookeeper集群环境:[3] 大数据学习[01]:zookeeper环境配置
hadoop集群环境:[4] 大数据学习[02]:hadoop安装配置
安装Scala
下载:
[hadoop@hadoop01 ~]$ wget https://downloads.lightbend.com/scala/2.11.11/scala-2.11.11.tgz[/code]解压:
[hadoop@hadoop01 scala-2.11.11]$ tar -zvxf scala-2.11.11.tgz配置环境变量:
[hadoop@hadoop01 scala-2.11.11]$ sudo vim /etc/profile export SCALA_HOME=/home/hadoop/scala-2.11.11 export PATH=${SCALA_HOME}/bin:${PATH} [hadoop@hadoop01 scala-2.11.11]$ source /etc/profile测试:
[hadoop@hadoop01 ~]$ scala -version [hadoop@hadoop01 ~]$ scala复制:
[hadoop@hadoop01 ~]$ scp -r scala-2.11.11 hadoop@hadoop02:~/ [hadoop@hadoop01 ~]$ scp -r scala-2.11.11 hadoop@hadoop03:~/安装spark
下载:
[hadoop@hadoop01 ~]$ wget https://d3kbcqa49mib13.cloudfront.net/spark-2.1.1-bin-hadoop2.7.tgz[/code]解压:
[hadoop@hadoop01 ~]$ tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz配置spark-env.sh
[hadoop@hadoop01 ~]$ cp spark-2.1.1-bin-hadoop2.7/conf/spark-env.sh.template spark-2.1.1-bin-hadoop2.7/conf/spark-env.sh [hadoop@hadoop01 ~]$ vim spark-2.1.1-bin-hadoop2.7/conf/spark-env.sh export SCALA_HOME=/home/hadoop/scala-2.11.11 export JAVA_HOME=/home/hadoop/jdk1.8.0_144 export HADOOP_HOME=/home/hadoop/hadoop export HADOOP_CONF_DIR=/home/hadoop/hadoop/etc/hadoop # dir表于挂在zookeeper 上的路径。 export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop01:2181,hadoop02:2181,hadoop03:2181 -Dspark.deploy.zookeeper.dir=/spark" export SPARK_WORKER_MEMORY=512m export SPARK_EXECUTOR_MEMORY=512m export SPARK_DRIVER_MEMORY=512m export SPARK_WORKER_CORES=1配置slaves
[hadoop@hadoop01 ~]$ cp spark-2.1.1-bin-hadoop2.7/conf/slaves.template spark-2.1.1-bin-hadoop2.7/conf/slaves [hadoop@hadoop01 ~]$ vim spark-2.1.1-bin-hadoop2.7/conf/slaves hadoop02 hadoop03设置环境变量
[hadoop@hadoop01 ~]$ vim /etc/profile export SPARK_HOME=/home/hadoop/spark-2.1.1-bin-hadoop2.7 export PATH=$PATH:$SPARK_HOME/bin [hadoop@hadoop01 ~]$ source /etc/profile复制
[hadoop@hadoop01 ~]$ scp -r spark-2.1.1-bin-hadoop2.7 hadoop@hadoop02:~/ [hadoop@hadoop01 ~]$ scp -r spark-2.1.1-bin-hadoop2.7 hadoop@hadoop03:~/
同理也设置一下环境变量;启动spark服务:
[hadoop@hadoop01 sbin]$ ./start-all.sh starting org.apache.spark.deploy.master.Master, logging to /home/hadoop/spark-2.1.1-bin-hadoop2.7/logs/spark-hadoop-org.apache.spark.deploy.master.Master-1-hadoop01.out hadoop03: starting org.apache.spark.deploy.worker.Worker, logging to /home/hadoop/spark-2.1.1-bin-hadoop2.7/logs/spark-hadoop-org.apache.spark.deploy.worker.Worker-1-hadoop03.out hadoop02: starting org.apache.spark.deploy.worker.Worker, logging to /home/hadoop/spark-2.1.1-bin-hadoop2.7/logs/spark-hadoop-org.apache.spark.deploy.worker.Worker-1-hadoop02.out启动spark shell
[hadoop@hadoop01 bin]$ spark-shell启动页面
测试一个shell上的小例子:
在 /home/hadoop/testData/test.db 目录下随便写几一些单词,或一些文章,如下代码就可以达到统计的效果。scala> val file = sc.textFile("file:/home/hadoop/testData/test.db") file: org.apache.spark.rdd.RDD[String] = file:/home/hadoop/testData/test.db MapPartitionsRDD[6] at textFile at <console>:24 scala> file.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect res1: Array[(String, Int)] = Array((him,1), (you,1), (girl,1), (word,1), (hello,7), (boy,1), (good,1), (china,1), (me,1), (her,1))查看任务情况页面
spark的高可用性:
在hadoop01启动,master在hadoop01的机器上,hadoop02,hadoop03机器上没有master进程,手动到hadoop上启动master进程:[hadoop@hadoop02 sbin]$ ./start-master.sh [hadoop@hadoop03 sbin]$ ./start-master.sh
用jps查看,可以看到hadoop02与hadoop03都有master进程了。启动shell:
[hadoop@hadoop01 bin]$ spark-shell –master spark://hadoop01:7077,hadoop02:7077,hadoop03:7077
master为hadoop01:
hadoop02
hadoop03
现在把hadoop01服务器中master服务关闭。
[hadoop@hadoop01 ~]$ ./spark-2.1.1-bin-hadoop2.7/sbin/stop-master.sh
hadoop01已经停了,如下图
hadoop02的status变成了ALIVE.[zk选举的结果]
hadoop03仍然不变的。
另外,spark shell不会受到影响的,spark仍然可以正常工作的。zookeeper节点
看看zk节点,可以看到spark的节点的,同时也可以看到spark的任务:
提示:当spark的集群master的sttus上出现了RECOVERING状态时,很可能是由于spark非正常关闭了,重启后有可能一段时间是这样,一个办法是把zk中的spark节点给删除了,再把spark重启就可以了。
删除spark在zk中的目录rmr /spark
非正常挂掉的任务,需要手工在zk删除
查看任务ls /spark/master_status
删除失效任务即可rmr /spark/master_status/app_app-20160219104450-0021
重新启动spark集群。参与引用
[1] 大数据学习前夕[01]:系统-网络-SSH
[2] 大数据学习前夕[02]:JDK安装升级
[3] 大数据学习[01]:zookeeper环境配置
[4] 大数据学习[02]:hadoop安装配置
【作者:happyprince, http://blog.csdn.net/ld326/article/details/78023816】
相关文章推荐
- Spark学习00---介绍及安装配置
- 大数据学习第一章 linux环境的安装配置
- 大数据基础(五)从零开始安装配置Hadoop 2.7.2+Spark 2.0.0到Ubuntu 16.04
- 大数据基础(八) Spark 2.0.0下IPython和Notebook的安装配置
- 大数据学习[03]:hbase安装配置
- 高可用mongodb集群的学习记录(一安装配置MongoDB)
- 分布式架构学习之:029--Redis3集群的安装、配置、高可用测试
- 分布式架构学习之:ActiveMQ高可用集群(zookeeper+leveldb)安装、配置、高可用测试
- 大数据实验室(大数据基础培训)——Spark的安装、配置及基础使用
- 大数据学习第一章 linux环境的安装配置
- hadoop学习笔记七 -- hadoop集群高可用架构安装配置
- Mysql DBA 高级运维学习笔记-heartbeat高可用软件的安装及配置
- 大数据开发学习平台安装配置
- 学习笔记05·安装配置opencv--64位w…
- 大数据学习[02]:hadoop安装配置
- 大数据学习笔记(六)-Spark环境配置
- 分布式架构学习之:028--ActiveMQ高可用集群(zookeeper+leveldb)安装、配置、高可用测试
- 分布式架构学习之:Redis3集群的Linux安装、配置、高可用测试
- 大数据Spark“蘑菇云”项目实战第63课: 广告点击系统高可用性和性能优化 checkpoint wal driver高可用 并行度配置
- Python小白学习之路(二)—【Pycharm安装与配置】【创建项目】【运算符】【数据类型】