modify

notes/installation/Spark集群环境搭建.md

@@ -0,0 +1,172 @@
+# 基于ZooKeeper搭建Spark高可用集群
+
+## 一、集群规划
+
+这里搭建一个3节点的Spark集群，其中三台主机上均部署`Worker`服务。同时为了保证高可用，除了在hadoop001上部署主`Master`服务外，还在hadoop002和hadoop003上分别部署备用的`Master`服务，Master服务由Zookeeper集群进行协调管理，如果主`Master`不可用，则备用`Master`会成为新的主`Master`。
+
+![spark-集群规划](D:\BigData-Notes\pictures\spark集群规划.png)
+
+## 二、前置条件
+
+搭建Spark集群前，需要保证JDK环境、Zookeeper集群和Hadoop集群已经搭建，相关步骤可以参阅：
+
+- [Linux环境下JDK安装](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Linux下JDK安装.md)
+- [Zookeeper单机环境和集群环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Zookeeper单机环境和集群环境搭建.md)
+- [Hadoop集群环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Hadoop集群环境搭建.md)
+
+## 三、Spark集群搭建
+
+### 3.1 下载解压
+
+下载所需版本的Spark，官网下载地址：http://spark.apache.org/downloads.html
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-download.png"/> </div>
+
+
+
+下载后进行解压：
+
+```shell
+# tar -zxvf  spark-2.2.3-bin-hadoop2.6.tgz
+```
+
+
+
+### 3.2 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立即生效：
+
+```shell
+# source /etc/profile
+```
+
+### 3.3 集群配置
+
+进入`${SPARK_HOME}/conf`目录，拷贝配置样本进行修改：
+
+#### 1. spark-env.sh
+
+```she
+ cp spark-env.sh.template spark-env.sh
+```
+
+```shell
+# 配置JDK安装位置
+JAVA_HOME=/usr/java/jdk1.8.0_201
+# 配置hadoop配置文件的位置
+HADOOP_CONF_DIR=/usr/app/hadoop-2.6.0-cdh5.15.2/etc/hadoop
+# 配置zookeeper地址
+SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=hadoop001:2181,hadoop002:2181,hadoop003:2181 -Dspark.deploy.zookeeper.dir=/spark"
+```
+
+#### 2. slaves
+
+```
+cp slaves.template slaves
+```
+
+配置所有Woker节点的位置：
+
+```properties
+hadoop001
+hadoop002
+hadoop003
+```
+
+### 3.4 安装包分发
+
+将Spark的安装包分发到其他服务器，分发后建议在这两台服务器上也配置一下Spark的环境变量。
+
+```shell
+scp -r /usr/app/spark-2.4.0-bin-hadoop2.6/   hadoop002:usr/app/
+scp -r /usr/app/spark-2.4.0-bin-hadoop2.6/   hadoop003:usr/app/
+```
+
+
+
+## 四、启动集群
+
+### 4.1 启动ZooKeeper集群
+
+分别到三台服务器上启动ZooKeeper服务：
+
+```shell
+ zkServer.sh start
+```
+
+### 4.2 启动Hadoop集群
+
+```shell
+# 启动dfs服务
+start-dfs.sh
+# 启动yarn服务
+start-yarn.sh
+```
+
+### 4.3 启动Spark集群
+
+进入hadoop001的` ${SPARK_HOME}/sbin`目录下，执行下面命令启动集群。执行命令后，会在hadoop001上启动`Maser`服务，会在`slaves`配置文件中配置的所有节点上启动`Worker`服务。
+
+```shell
+start-all.sh
+```
+
+分别在hadoop002和hadoop003上执行下面的命令，启动备用的`Master`服务：
+
+```shell
+# ${SPARK_HOME}/sbin 下执行
+start-master.sh
+```
+
+### 4.4 查看服务
+
+查看Spark的Web-UI页面，端口为`8080`。此时可以看到hadoop001上的Master节点处于`ALIVE`状态，并有3个可用的`Worker`节点。
+
+![spark-集群搭建1](D:\BigData-Notes\pictures\spark-集群搭建1.png)
+
+而hadoop002和hadoop003上的Master节点均处于`STANDBY`状态，没有可用的`Worker`节点。
+
+![spark-集群搭建2](D:\BigData-Notes\pictures\spark-集群搭建2.png)
+
+![spark-集群搭建3](D:\BigData-Notes\pictures\spark-集群搭建3.png)
+
+
+
+## 五、验证集群高可用
+
+此时可以使用`kill`命令杀死hadoop001上的`Master`进程，此时`备用Master`会中会有一个再次成为`主Master`，我这里是hadoop002，可以看到hadoop2上的`Master`经过`RECOVERING`后成为了新的`主Master`，并且获得了全部可以用的`Workers`。
+
+此时如果你再在hadoop001上使用`start-master.sh`启动Master，那么其会作为`备用Master`存在。
+
+![spark-集群搭建4](D:\BigData-Notes\pictures\spark-集群搭建4.png)
+
+Hadoop002上的`Master`成为`主Master`，并获得了全部可以用的`Workers`。
+
+![spark-集群搭建5](D:\BigData-Notes\pictures\spark-集群搭建5.png)
+
+## 六、提交作业
+
+和单机环境下的提交到Yarn上的命令完全一致，这里以Spark内置的计算Pi的样例程序为例，提交命令如下：
+
+```shell
+spark-submit \
+--class org.apache.spark.examples.SparkPi \
+--master yarn \
+--deploy-mode client \
+--executor-memory 1G \
+--num-executors 10 \
+/usr/app/spark-2.4.0-bin-hadoop2.6/examples/jars/spark-examples_2.11-2.4.0.jar \
+100
+```
+