CentOS6.5 安装Spark集群

一、安装依赖软件Scala（所有节点）

1、下载Scala：http://www.scala-lang.org/files/archive/scala-2.10.4.tgz

2、解压：

[root@Hadoop-NN-01 ~]# tar -xzvf scala-2.10.4.tgz -C /usr/local/

3、配置scala环境变量

[root@Hadoop-NN-01 ~]# vim /etc/profile
export SCALA_HOME=/usr/local/scala
export PATH=$PATH:${SCALA_HOME}/bin
 
[root@Hadoop-NN-01 ~]# source /etc/profile       #使环境变量生效

4、测试scala运行环境

[root@Hadoop-NN-01 scala]# scala
scala> 15*15
res0: Int = 225

二、安装spark

1、下载spark：http://archive.cloudera.com/cdh5/cdh/5/spark-1.5.0-cdh5.6.0.tar.gz

理论上讲CDH的一套是没有问题，可是我装了三个版本都没有装成功，启动的时候始终一个错：Exception in thread "main" java.lang.NoClassDefFoundError: org/slf4j/Logger

提示缺少slf4j依赖包：log4j-1.2.17.jar、 slf4j-api-1.7.10.jar、 slf4j-log4j12-1.7.10.jar

可我将这三个包放到lib下依然不行，最后只能下载的官方的安装。如果有朋友知道原谅还请留言，谢谢！

引用【书忆江南】的回复：

#CDH版的Spark安装目录下的/conf/spark-env.sh配置文件中，添加以下环境变量：export SPARK_DIST_CLASSPATH=(/mnt/sda6/Hadoop/hadoop−2.6.0−cdh5.15.0/bin/hadoopclasspath)，给这个变量添加你已经安装的CDHHadoop的类路径，我看到别的教程说等号后面可以直接(/mnt/sda6/Hadoop/hadoop−2.6.0−cdh5.15.0/bin/hadoopclasspath)，给这个变量添加你已经安装的CDHHadoop的类路径，我看到别的教程说等号后面可以直接(hadoop classpath)，我试过，这样只能启动Master，启动Worker进程的时候还是会报缺Logger的错。所以，必须要在括号内写全CDH Hadoop的安装路径精确到/bin，然后再斜杠接上hadoop classpath才行。
 
export SPARK_DIST_CLASSPATH=$(/mnt/sda6/Hadoop/hadoop-2.6.0-cdh5.15.0/bin/hadoop classpath)

官方下载：http://www.apache.org/dyn/closer.lua/spark/spark-1.6.0/spark-1.6.0-bin-hadoop2.6.tgz

2、解压：

[root@Hadoop-NN-01 ~]# tar xzvf spark-1.6.0-bin-hadoop2.6.tgz

3、配置Spark环境变量

[root@Hadoop-NN-01 ~]# vim /etc/profile
export SPARK_HOME=/home/hadoopuser/spark-1.6.0-bin-hadoop2.6
export PATH=$PATH:${SPARK_HOME}/bin
 
[root@Hadoop-NN-01 ~]# source /etc/profile       #使环境变量生效

4、配置 ${SPARK_HOME}/conf/spark-env.sh

[hadoopuser@Hadoop-NN-01 conf]$ cp spark-env.sh.template spark-env.sh
 
[hadoopuser@Hadoop-NN-01 conf]$ vim spark-env.sh
export JAVA_HOME=/usr/java/jdk1.8.0_73
export SCALA_HOME=/usr/local/scala
export HADOOP_HOME=/home/hadoopuser/hadoop-2.6.0-cdh5.6.0
export HADOOP_CONF_DIR=/home/hadoopuser/hadoop-2.6.0-cdh5.6.0/etc/hadoop

export SPARK_MASTER_IP=192.168.107.82
export SPARK_MASTER_PORT=8070
export SPARK_MASTER_WEBUI_PORT=8090
export SPARK_WORKER_CORES=1        #每个Worker使用的CPU核数
export SPARK_WORKER_INSTANCES=1    #每个Slave中启动几个Worker实例
export SPARK_WORKER_PORT=8092      #Worker的WebUI端口号
export SPARK_WORKER_MEMORY=1g      #每个Worker使用多大的内存

其它参数：

SPARK_MASTER_IP	绑定一个外部IP给master。
SPARK_MASTER_PORT	从另外一个端口启动master（默认: 7077）
SPARK_MASTER_WEBUI_PORT	Master的web UI端口（默认：8080）
SPARK_WORKER_PORT	启动Spark worker 的专用端口（默认：随机）
SPARK_WORKER_DIR	伸缩空间和日志输入的目录路径（默认：SPARK_HOME/work）
SPARK_WORKER_CORES	作业可用的CPU内核数量（默认：所有可用的）
SPARK_WORKER_MEMORY	作业可使用的内存容量，默认格式1000M或者 2G （默认：所有RAM去掉给操作系统用的1 GB）注意：每个作业自己的内存空间由SPARK_MEM决定。
SPARK_WORKER_WEBUI_PORT	worker 的web UI 启动端口（默认：8081）
SPARK_WORKER_INSTANCES	每个机器上运行worker数量（默认：1）当你有一个非常强大的计算机的时候和需要多个Spark worker进程的时候你可以修改这个默认值大于1。如果你设置了这个值。要确保SPARK_WORKER_CORE 明确限制每一个r worker的核心数，否则每个worker 将尝试使用所有的核心。
SPARK_DAEMON_MEMORY	分配给Spark master和 worker 守护进程的内存空间（默认：512m）
SPARK_DAEMON_JAVA_OPTS	Spark master 和 worker守护进程的JVM 选项（默认：none）

5、配置 {SPARK_HOME}/conf/ slaves

[hadoopuser@Hadoop-NN-01 conf]$ cp slaves.template slaves         
 
[hadoopuser@Hadoop-NN-01 conf]$ vim slaves
#注意这里添加所有工作节点的主机名或者ip
#Hadoop-NN-01（如果既想当master又想当worker的话，可以配置上。）
Hadoop-DN-01
Hadoop-DN-02

6、程序分发

scp -r spark-1.6.0-bin-hadoop2.6. hadoopuser@Hadoop-DN-01:/home/hadoopuser/
scp -r spark-1.6.0-bin-hadoop2.6. hadoopuser@Hadoop-DN-02:/home/hadoopuser/

7、启动spark集群

[hadoopuser@Hadoop-NN-01 sbin]# ./start-all.sh

单节点启动：

sbin/start-master.sh    　　　　　　　　　　　#启动主节点
sbin/start-slave.sh 192.168.107.82:8070    #启动从节点

8、运行示例程序

[hadoopuser@Hadoop-NN-01 spark-1.6.0-bin-hadoop2.6.]# ./bin/run-example SparkPi 10 > Sparkpilog.txt

9、验证

1）jps

主节点多了Master

从节点多了Worker

2）浏览器查看http://192.168.107.82:8090/

10、使用spark-shell

[hadoopuser@Hadoop-NN-01 spark-1.5.0-cdh5.6.0]# bin/spark-shell

浏览器访问SparkUI  http:// 192.168.107.82:4040/

可以从 SparkUI 上查看一些 如环境变量、Job、Executor等信息。

至此，整个 Spark 分布式集群的搭建就到这里结束。

11、停止spark集群

[hadoopuser@Hadoop-NN-01 sbin]# ./stop-all.sh