Spark 1.0.0 部署Hadoop 2.2.0上

haixin3036

　　源码编译

　　

　　我的测试环境：

　　

• 系统：Centos 6.4 - 64位
  
• Java：1.7.45
  
• Scala：2.10.4
  
• Hadoop：2.2.0
  

　　
　　Spark 1.0.0 源码地址：http://d3kbcqa49mib13.cloudfront.net/spark-1.0.0.tgz
　　解压源码，在根去根目录下执行以下命令(sbt编译我没尝试)

　　./make-distribution.sh --hadoop 2.2.0 --with-yarn --tgz --with-hive

　　几个重要参数
　　--hadoop ：指定Hadoop版本
　　--with-yarn yarn支持是必须的
　　--with-hive 读取hive数据也是必须的，反正我很讨厌Shark，以后开发们可以在Spark上自己封装SQL&HQL客户端，也是个不错的选择。

　　#      --tgz: Additionally creates spark-$VERSION-bin.tar.gz
#      --hadoop VERSION: Builds against specified version of Hadoop.
#      --with-yarn: Enables support for Hadoop YARN.
#      --with-hive: Enable support for reading Hive tables.
#      --name: A moniker for the release target. Defaults to the Hadoop verison.
　　不想自己编译的话直接下载二进制包吧：
　　Spark 1.0.0 on Hadoop 1 / CDH3, CDH4 二进制包：http://d3kbcqa49mib13.cloudfront.net/spark-1.0.0-bin-hadoop1.tgz

　　Spark 1.0.0 on Hadoop 2 / CDH5, HDP2 二进制包：http://d3kbcqa49mib13.cloudfront.net/spark-1.0.0-bin-hadoop2.tgz

　　  

　　进过漫长的等待，在源码跟目录下会生成一个tgz压缩包     
　　

　　
　　把这个包copy到你想部署的目录并解压。
　　
　　环境变量：
　　
　　export SCALA_HOME=/opt/scala-2.10.4
　　export PATH=$PATH:$SCALA_HOME/bin
　　export SPARK_HOME=/opt/spark
　　export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin
　　
　　
　　特别注意：只需要把解压包copy到yarn集群中的任意一台。一个节点就够了，不需要在所有节点都部署，除非你需要多个Client节点调用spark作业。
　　在这里我们不需要搭建独立的Spark集群，利用Yarn Client调用Hadoop集群的计算资源。
　　



[plain] view plaincopy

• cp 解压后的目录/conf/log4j.properties.template 解压后的目录/conf/log4j.properties
  
• cp 解压后的目录/conf/spark-env.sh.template 解压后的目录/conf/spark-env.sh  
  

编辑spark-env.sh　　


　　
　　export HADOOP_CONF_DIR=/opt/hadoop/etc/hadoop
　　export SPARK_MASTER_IP=master
　　export SPARK_MASTER_PORT=7077
　　export SCALA_HOME=/opt/scala-2.10.4
　　export JAVA_HOME=/opt/jdk1.7.0_45
　　
　　编辑History Server
　　通过配置conf/spark-defaults.conf可以查看已完成job的历史记录
　　spark.eventLog.enabled=true

　　spark.eventLog.dir=hdfs://XX
　　具体配置参见Spark1.0.0 history server 配置。
　　
　　这是我的配置，配置和之前的几个版本略有不同，但大差不差。
　　
　　用Yarn Client调用一下MR中的经典例子：Spark版的word count
　　这里要特别注意，SparkContext有变动，之前版本wordcount例子中的的第一个参数要去掉。
　　



[plain] view plaincopy

• SPARK_JAR=./lib/spark-assembly-1.0.0-hadoop2.2.0.jar \
  
• ./bin/spark-class org.apache.spark.deploy.yarn.Client \
  
• --jar ./lib/spark-examples-1.0.0-hadoop2.2.0.jar \
  
• --class org.apache.spark.examples.JavaWordCount \
  
• --args hdfs://master:9000/user/hadoop/README.md \
  
• --num-executors 2 \
  
• --executor-cores 1 \
  
• --driver-memory 1024M \
  
• --executor-memory 1000M \
  
• --name "word count on spark"
  

运行结果在stdout中查看