spark
This commit is contained in:
罗祥
@ -1,120 +0,0 @@
|
||||
# Spark单机版本环境搭建
|
||||
|
||||
|
||||
|
||||
>**系统环境**：centos 7.6
|
||||
>
|
||||
|
||||
|
||||
|
||||
### 1. Spark安装包下载
|
||||
|
||||
官网下载地址：http://spark.apache.org/downloads.html
|
||||
|
||||
因为Spark常常和Hadoop联合使用，所以下载时候需要选择Spark版本和对应的Hadoop版本后再下载
|
||||
|
||||
<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-download.png"/> </div>
|
||||
|
||||
|
||||
|
||||
### 2. 解压安装包
|
||||
|
||||
```shell
|
||||
# tar -zxvf spark-2.2.3-bin-hadoop2.6.tgz
|
||||
```
|
||||
|
||||
|
||||
|
||||
### 3. 配置环境变量
|
||||
|
||||
```shell
|
||||
# vim /etc/profile
|
||||
```
|
||||
|
||||
添加环境变量：
|
||||
|
||||
```shell
|
||||
export SPARK_HOME=/usr/app/spark-2.2.3-bin-hadoop2.6
|
||||
export PATH=${SPARK_HOME}/bin:$PATH
|
||||
```
|
||||
|
||||
使得配置的环境变量生效：
|
||||
|
||||
```shell
|
||||
# source /etc/profile
|
||||
```
|
||||
|
||||
|
||||
|
||||
### 4. Standalone模式启动Spark
|
||||
|
||||
进入`${SPARK_HOME}/conf/`目录下，拷贝配置样本并进行相关配置：
|
||||
|
||||
```shell
|
||||
# cp spark-env.sh.template spark-env.sh
|
||||
```
|
||||
|
||||
在`spark-env.sh`中增加如下配置：
|
||||
|
||||
```shell
|
||||
# 主机节点地址
|
||||
SPARK_MASTER_HOST=hadoop001
|
||||
# Worker节点的最大并发task数
|
||||
SPARK_WORKER_CORES=2
|
||||
# Worker节点使用的最大内存数
|
||||
SPARK_WORKER_MEMORY=1g
|
||||
# 每台机器启动Worker实例的数量
|
||||
SPARK_WORKER_INSTANCES=1
|
||||
# JDK安装位置
|
||||
JAVA_HOME=/usr/java/jdk1.8.0_201
|
||||
```
|
||||
|
||||
进入`${SPARK_HOME}/sbin/`目录下,启动服务：
|
||||
|
||||
```shell
|
||||
# ./start-all.sh
|
||||
```
|
||||
|
||||
|
||||
|
||||
### 5. 验证启动是否成功
|
||||
|
||||
访问8080端口，查看Spark的Web-UI界面
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-web-ui.png"/> </div>
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 附：一个简单的词频统计例子，感受spark的魅力
|
||||
|
||||
#### 1. 准备一个词频统计的文件样本wc.txt,内容如下：
|
||||
|
||||
```txt
|
||||
hadoop,spark,hadoop
|
||||
spark,flink,flink,spark
|
||||
hadoop,hadoop
|
||||
```
|
||||
|
||||
#### 2. 指定spark master 节点地址，启动spark-shell
|
||||
|
||||
```shell
|
||||
# spark-shell --master spark://hadoop001:7077
|
||||
```
|
||||
|
||||
#### 3. 在scala交互式命令行中执行如下命名
|
||||
|
||||
```scala
|
||||
val file = spark.sparkContext.textFile("file:///usr/app/wc.txt")
|
||||
val wordCounts = file.flatMap(line => line.split(",")).map((word => (word, 1))).reduceByKey(_ + _)
|
||||
wordCounts.collect
|
||||
```
|
||||
|
||||
执行过程如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell.png"/> </div>
|
||||
|
||||
通过spark shell web-ui可以查看作业的执行情况，访问端口为4040
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell-web-ui.png"/> </div>
|
||||
175
notes/installation/Spark开发环境搭建.md
Normal file
175
notes/installation/Spark开发环境搭建.md
Normal file
@ -0,0 +1,175 @@
|
||||
# Spark开发环境搭建
|
||||
|
||||
## 一、安装Spark
|
||||
|
||||
### 1.1 下载安装包
|
||||
|
||||
官网下载地址：http://spark.apache.org/downloads.html
|
||||
|
||||
因为Spark常常和Hadoop联合使用，所以下载时候需要选择Spark版本和对应的Hadoop版本后再下载
|
||||
|
||||
<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-download.png"/> </div>
|
||||
|
||||
|
||||
|
||||
### 1.2 解压安装包
|
||||
|
||||
```shell
|
||||
# tar -zxvf spark-2.2.3-bin-hadoop2.6.tgz
|
||||
```
|
||||
|
||||
|
||||
|
||||
### 1.3 配置环境变量
|
||||
|
||||
```shell
|
||||
# vim /etc/profile
|
||||
```
|
||||
|
||||
添加环境变量：
|
||||
|
||||
```shell
|
||||
export SPARK_HOME=/usr/app/spark-2.2.3-bin-hadoop2.6
|
||||
export PATH=${SPARK_HOME}/bin:$PATH
|
||||
```
|
||||
|
||||
使得配置的环境变量生效：
|
||||
|
||||
```shell
|
||||
# source /etc/profile
|
||||
```
|
||||
|
||||
### 1.4 Local模式
|
||||
|
||||
Local 模式是最简单的一种运行方式，它采用单节点多线程(cpu)方式运行，不用部署，开箱即用，适合日常测试开发。
|
||||
|
||||
```shell
|
||||
# 启动命令
|
||||
spark-shell --master local[2]
|
||||
```
|
||||
|
||||
- local：只启动一个工作线程；
|
||||
- local[k]：启动k个工作线程；
|
||||
- local[*]：启动跟cpu数目相同的工作线程数。
|
||||
|
||||
|
||||
|
||||
采用这种模式创建后，你会进入Scala交互式命令行，并且程序已经自动创建了SparkContext，即Spark的应用上下文，等效于执行了下面的Scala代码：
|
||||
|
||||
```scala
|
||||
val conf = new SparkConf().setAppName("Spark shell").setMaster("local[2]")
|
||||
val sc = new SparkContext(conf)
|
||||
```
|
||||
|
||||
同时从输出的日志也可以看出来，Local模式还提供了对应的Web UI界面，端口为4040。
|
||||
|
||||
|
||||
|
||||
## 二、词频统计案例
|
||||
|
||||
安装完成后可以先做一个简单的词频统计例子，感受spark的魅力。准备一个词频统计的文件样本wc.txt,内容如下：
|
||||
|
||||
```txt
|
||||
hadoop,spark,hadoop
|
||||
spark,flink,flink,spark
|
||||
hadoop,hadoop
|
||||
```
|
||||
|
||||
在scala交互式命令行中执行如下Scala语句：
|
||||
|
||||
```scala
|
||||
val file = spark.sparkContext.textFile("file:///usr/app/wc.txt")
|
||||
val wordCounts = file.flatMap(line => line.split(",")).map((word => (word, 1))).reduceByKey(_ + _)
|
||||
wordCounts.collect
|
||||
```
|
||||
|
||||
执行过程如下：
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell.png"/> </div>
|
||||
|
||||
可以通过spark shell web-ui可以查看作业的执行情况，访问端口为4040
|
||||
|
||||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell-web-ui.png"/> </div>
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
## 三、Scala开发环境配置
|
||||
|
||||
Spark是基于Scala语言进行开发的，分别提供了基于Scala、Java、Python语言的API，如果你想使用Scala语言进行开发，则需要搭建Scala语言的开发环境。
|
||||
|
||||
### 2.1 前置条件
|
||||
|
||||
首先Scala的运行依赖于Java环境，目前最新的Scala 2.12.x要求你必须安装JDK 1.8或以上版本。
|
||||
|
||||
### 2.2 安装Scala插件
|
||||
|
||||
首先需要安装Scala插件，使得IDEA支持scala语言的开发。打开 IDEA，依次点击**File** => **settings**=> **plugins**选项卡，搜索Scala插件(如下图)。找到插件后进行安装，并重启IDEA使得安装生效。
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-plugin.png"/> </div>
|
||||
|
||||
|
||||
|
||||
### 2.3 创建Scala项目
|
||||
|
||||
在IDEA中依次点击 **File** => **New** => **Project**选项卡，然后选择创建Scala—IDEA工程：
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-newproject-scala.png"/> </div>
|
||||
|
||||
|
||||
|
||||
### 2.4 下载Scala SDK
|
||||
|
||||
#### 1.方式一
|
||||
|
||||
此时看到Scala SDK为空，依次点击`Create` => `Download` ,选择所需的版本后，点击`OK`按钮进行下载，下载完成点击`Finish`进入工程。
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-select.png"/> </div>
|
||||
|
||||
|
||||
|
||||
#### 2.方式二
|
||||
|
||||
方式一是Scala官方安装指南里使用的方式，但下载速度可能会比较慢，且这种安装下并没有直接提供Scala命令行工具。所以个人推荐使用方式二进行安装。
|
||||
|
||||
> 官方下载地址：https://www.scala-lang.org/download/
|
||||
|
||||
这里我的系统是Windows，下载msi版本的安装包后，一直点击下一步安装即可，安装完成后会自动配置好环境变量。
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/scala-other-resources.png"/> </div>
|
||||
|
||||
|
||||
|
||||
由于安装时已经自动配置好环境变量，所以IDEA会自动选择对应版本的SDK。
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-2.1.8.png"/> </div>
|
||||
|
||||
|
||||
|
||||
### 2.5 创建Hello World
|
||||
|
||||
在工程 `src`目录上右击**New** => **Scala class**.创建`Hello.scala`。输入代码如下，完成后点击运行按钮，成功运行则代表搭建成功。
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/scala-hello-world.png"/> </div>
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
### 2.6 切换Scala版本
|
||||
|
||||
在日常的开发中，由于对应Spark的版本切换，可能导致需要切换Scala的版本，则可以在`Project Structures`中的`Global Libraries`选项卡中进行切换。
|
||||
|
||||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-change.png"/> </div>
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
##
|
||||
|
||||
Reference in New Issue
Block a user