Linux下Spark开发环境搭建


开发环境总体版本信息如下：

1、Linux：CentOS 6.8

2、Java版本：jdk-8u172-linux-x64.tar.gz

3、Hadoop版本：hadoop-3.1.0.tar.gz

4、scala版本：scala-2.12.6.tgz

5、Python版本：Python-3.6.5.tgz

6、spark版本：spark-2.3.0-bin-hadoop2.7.tgz

7、zookeeper版本：zookeeper-3.4.10.tar.gz

8、hive版本：

9、kafka版本：

10、服务器集群：192.168.0.110(master)，192.168.0.111(slave1)，192.168.0.112(slave2)

一、java的安装

1、上传jdk安装包到/usr/local/lib目录下，并解压缩

2、把解压的文件夹复制到另外两台机子

3、三台服务器分别修改bigdata用户的环境变量

4、使配置生效并验证

二、hadoop的安装

1、bigdata用户家目录下创建目录bigdata，上传hadoop安装包并解压

2、进入hadoop配置文件目录，修改hadoop配置

3、修改core-site.xml，添加红色方框的内容

4、修改hdfs-site.xml，并创建对应的目录

 

5、修改yarn-site.xml

6、修改workers（老版本为slaves）

7、修改hadoop-env.sh，增加JAVA_HOME

8、把master上配置好的hadoop分发到每一个slave上

9、只需在master上bigdata用户下配置环境变量

10、使环境变量生效并检查

11、首次运行hdfs，需要先格式化hdfs【 hdfs namenode -format 】，然后启动hdfs【start-dfs.sh】

12、可访问http://192.168.0.110:9870【192.168.0.110为master的ip地址，老版本hadoop的端口为50070】看下是否部署成功；如需停止hdfs，使用【stop-dfs.sh】

13、也可输入名jps，查看是否有以下进程

14、启动yarn【start-yarn.sh】

 

15、访问http://192.168.0.110:8088/cluster，查看yarn是否正常工作，停止yarn使用【stop-yarn.sh】

16、也可输入名jps，查看是否有以下进程

综上，hadoop集群安装完毕！

三、scala的安装

1、切换到root用户下，下载scala并上传到/usr/local/lib目录下，然后解压

2、把解压后的文件分发到slave1和slave2

 scp -r scala-2.12.6 root@slave1:/usr/local/lib

 scp -r scala-2.12.6 root@slave2:/usr/local/lib

3、分别在三台服务器上修改bigdata用户的环境变量

4、验证环境变量是否生效

5、运行scala命令验证是否安装成功，并按ctrl+z退出

四、python的安装

1、在集群上运行pyspark，需要先安装zlib和gcc相关的软件包

yum -y install gcc*

2、下载python安装包，并上传，然后解压

3、进入/usr/local/lib/，修改Modules/Setup.dist【老版本是Setup】，找到红色一行，并把注释去掉

4、执行./configure

5、make

6、make install

7、查看系统原有python版本，并重命名

8、修改/usr/bin/yum

9、重新建立python的软连接

7、执行python命令，检查是否安装好

五、spark的安装

 1、下载并上传spark安装文件到bigdata用户家目录下的bigdata目录下，然后解压

2、配置slaves

3、配置spark-env.sh

4、把配置好的spark分发slave1和slave2上面

scp -r ~/bigdata/spark-2.3.0-bin-hadoop2.7 bigdata@slave1:~/bigdata

scp -r ~/bigdata/spark-2.3.0-bin-hadoop2.7 bigdata@slave2:~/bigdata

5、在master上配置环境变量

source ~/.bash_profile

6、启动spark

7、确认spark已经启动【jps命令，或者访问http://192.168.0.110:8080】

8、测试spark代码【ctrl+z退出】

六、zookeeper的安装

1、下载并上传zookeeper文件，然后解压

2、修改配置文件

 

3、创建配置文件配置的目录

4、将配置好的zookeeper分发到slave1和slave2

5、分别在3台服务器的~/bigdata/zookeeper/data目录中新增文件myid并修改

master上myid的内容为：0

slave1上myid的内容为：1

slave2上myid的内容为：2

6、分别到3台服务器中启动节点zk服务

7、查看每一个服务器上的zk的状态

七、hive的安装

1、安装MySQL

安装：yum install -y  mysql-server

启动：service mysqld start

修改root用户密码：mysqladmin -u root password 'root'

创建数据库hive并授权：

2、下载并上传hive安装包，然后解压

3、进入配置目录【/home/bigdata/bigdata/apache-hive-2.3.3-bin/conf】，修改配置文件hive-site.xml

4、编辑hive-env.sh

5、下载mysql的jdbc驱动mysql-connector-java-5.1.44-bin.jar，上传/home/bigdata/bigdata/apache-hive-2.3.3-bin/lib

6、配置master的环境变量

source ~/.bash_profile

7、创建hive-site.xml里面配置的目录并授权

8、指定hive数据库类型并初始化

9、验证hive的mysql数据库是否安装成功【hive数据库下面是否有表】

 10、运行hive前首先要确保meta store服务已经启动：先创建hive运行日志目录logs，再运行HIVE

验证：

 

运行HIVE

八、kafka的安装

 1、下载kafka并上传，然后解压

 2、创建日志目录，修改配置文件

mkdir /home/bigdata/bigdata/kafka-logs-new

 

 

3、将kafka分发到slave1 和 slave2

4、分别修改slave1和slave2上面的server.properties文件

slave1：broker.id=1

 slave2：broker.id=2

5、分别在三台服务器上启动broker server

nohup bin/kafka-server-start.sh config/server.properties>~/bigdata/kafka_2.12-1.1.0/logs/server.log 2>&1 &

 6、在master上创建topic

7、查看topic

8、启动producer发送消息

9、启动consumer消费消息

10、效果如下

 

相关内容