spark 入门及集群环境搭建

软件环境: VMware workstation 11.0

linux ：CentOS 6.7

hadoop-2.7.3

jdk-1.0.7_67

spark-2.1.0-bin-hadoop2.7/

安装虚拟机和jdk就不再此赘述。

直接讲解安装hadoop和spark的安装。

一。下载hadoop源码包。点击此处下载: http://hadoop.apache.org/

1.下载后解压到指定的目录下。

tar -zxvf hadoop-2.7.3.tar.gz -C /usr/hadoop

2.解压后进入目录 cd /usr/hadoop/hadoop-2.7.3

3.修改配置文件: 进入到cd /hadoop-2.7.3/etc/hadoop下需要修改几个配置文件

1> cp etc/hadoop/hadoop-env.sh.template.hadoop-env.sh

cp etc/hadoop/hdfs-site.xml.templete hdfs-site.xml

cp etc/hadoop/core-site.templete core-site.xml

cp etc/hadoop/mapred-env.sh.templete mapred-env.sh

cp etc/hadoop/mapred-site.templete mapred-site.sh

cp etc/hadoop/slaves.templete slaves

cp etc/yarn-env.sh.templete yarn-env.sh

cp etc/yarn-site.xml.templete yarn-site.xml

注意: 一般修改系统配置文件时最好做一个备份或者复制后修改，就像这样的。

hadoop-env.sh 配置文件的内容

# The java implementation to use.   export JAVA_HOME=/opt/modules/jdk1.7.0_67/ 这是需要修改为自己机器安装的jdk的位置。其他文件内容不需要修改。

hdfs-site.xml          dfs.replication        2                        dfs.block.size        134217728                        dfs.namenode.name.dir        /home/hadoopdata/dfs/name                        dfs.datanode.data.dir        /home/hadoopdata/dfs/data                        fs.checkpoint.dir        /home/hadoopdata/checkpoint/dfs/cname                        fs.checkpoint.edits.dir        /home/hadoopdata/checkpoint/dfs/cname                         dfs.http.address        master:50070                              dfs.secondary.http.address           slave1:50090                               dfs.webhdfs.enabled        true                               dfs.permissions          true          

3> core-site.xml

fs.defaultFS

hdfs://master:8020

io.file.buffer.size

4096

hadoop.tmp.dir

/opt/modules/hadoop-2.7.3/data/tmp

4> mapred-env.sh

 export JAVA_HOME=/usr/local/java/jdk1.7.0_67/

修改为自己电脑的jdk路径。

5> mapred-site.xml

mapreduce.framework.name

yarn

true

mapreduce.jobhistory.address

master:10020

mapreduce.jobhistory.webapp.address

master:19888

mapreduce.job.ubertask.enable

true

mapred.job.tracker

master:9001

6> slaves 设置需要几个节点运行

master

slave1

slave2

7> yarn-env.sh

JAVA=$JAVA_HOME/bin/java 引用jdk的路径

8> yarn-site.xml

yarn.resourcemanager.hostname

salve2

yarn.nodemanager.aux-services

mapreduce_shuffle

yarn.resourcemanager.address

slave2:8032

yarn.resourcemanager.scheduler.address

slave2:8030

yarn.resourcemanager.resource-tracker.address

slave2:8031

yarn.resourcemanager.admin.address

slave2:8033

yarn.resourcemanager.webapp.address

slave2:8088

yarn.log-aggregation-enable

true

yarn.nodemanager.remote-app-log-dir

/opt/modules/hadoop-2.7.3/tmp/logs

注意: 修改完配置后，需要将hadoop分发到其他节点。 slave1和slave2.

scp -r /usr/hadoop/hadoop-2.7.3 root@slave1:/usr/hadoop

scp -r /usr/hadoop/hadoop-2.7.3 root@slave2:/usr/hadoop

然后需要修改环境变量文件。可以修改当前用户的 环境变量文件，就是~./bash_rc 或全局变量文件 /etc/profile

export JAVA_HOME=/usr/local/jdk-1.7.0_67

export PATH=:PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:

保存 :wq; 然后可以把环境变量文件发送给其他节点。

二. 格式化namenode节点

hadoop namenode -format 会看到一堆输出信息。然后会提示namenode 格式化成功的提示。

三。启动集群.

可以全部启动，也可以单独 启动。

hadoop 安装路径下有个sbin 目录，下是存放的是系统的启动脚本。

全部启动: start-all.sh

单独启动节点: hadoop-daemon.sh start namenode/datanode xxx.

启动后用jps查看进程。