spark 安裝配置

最佳參考鏈接

https://opensourceteam.gitbooks.io/bigdata/content/spark/install/spark-160-bin-hadoop26an_zhuang.html

?

Apache Spark1.1.0部署與開發環境搭建 　　Spark是Apache公司推出的一種基于Hadoop Distributed File System(HDFS)的并行計算架構。與MapReduce不同，Spark并不局限于編寫map和reduce兩個方法，其提供了更為強大的內存計算(in-memory computing)模型，使得用戶可以通過編程將數據讀取到集群的內存當中，并且可以方便用戶快速地重復查詢，非常適合用于實現機器學習算法。本文將介紹Apache Spark1.1.0部署與開發環境搭建。 0. 準備 　　出于學習目的，本文將Spark部署在虛擬機中，虛擬機選擇VMware WorkStation。在虛擬機中，需要安裝以下軟件： Ubuntu 14.04.1 LTS 64位桌面版 但是ubuntu 的桌面版我安裝以后有問題 所以下載了server版本 然后安裝桌面就可以了http://jingyan.baidu.com/article/64d05a0262b613de55f73b0e.html

參考http://www.cnblogs.com/datahunter/p/4002331.html和http://www.cnblogs.com/datahunter/p/4002331.html

如何為ubuntu server 14.04 安裝圖形界面

　　出于學習目的，本文將Spark部署在虛擬機中，虛擬機選擇VMware WorkStation。在虛擬機中，需要安裝以下軟件：

• Ubuntu 14.04.1 LTS 64位桌面版
• hadoop-2.4.0.tar.gz
• jdk-7u67-linux-x64.tar.gz?
• scala-2.10.4.tgz
• spark-1.1.0-bin-hadoop2.4.tgz

　　Spark的開發環境，本文選擇Windows7平臺，IDE選擇IntelliJ IDEA。在Windows中，需要安裝以下軟件：

• IntelliJ IDEA?13.1.4?Community Edition
• apache-maven-3.2.3-bin.zip(安裝過程比較簡單，請讀者自行安裝)

方法/步驟

1. 1

   首先，ubuntu server版本的安裝這里就不再贅述，基本的還是三個步驟，首先是下載鏡像，然后使用ultraISO刻錄至u盤，最后通過U盤引導進行安裝。安裝過程中，會要求你輸入用戶名和密碼，一定要牢記，因為后續軟件的安裝都需要密碼。

2. 2

   然后，login進入系統之后，開始進行用戶界面的安裝。首先輸入如下命令：

   sudo apt-get install xinit。安裝時的界面如下所示。

   

   步驟閱讀
3. 3

   上述安裝完畢之后，再安裝環境管理器。本人親測安裝的是GNOME。使用如下命令安裝：

   sudo apt-get install gdm

   安裝時的界面如下所示。

   

   步驟閱讀
4. 4

   然后，安裝桌面環境。本人親測安裝的是KUbuntu。安裝命令如下：

   sudo apt-get install kubuntu-desktop

   安裝時的界面如下所示。

   步驟閱讀

   步驟閱讀

   
5. 5

   網上有人還說要安裝一些必要的包，如新立得軟件包管理器，中文支持等，如果你嫌麻煩，可以不進行安裝。上述安裝完畢之后，直接重啟。重啟完成后，再進入系統，便是圖形界面了，如圖所示。

   

   步驟閱讀

   步驟閱讀
   END

?

注意事項

• 一定要保證上述步驟每一個步驟都執行成功，否則會影響最后的結果

1. 安裝JDK

　　解壓jdk安裝包到/usr/lib目錄：

1 sudo cp jdk-7u67-linux-x64.gz /usr/lib
2 cd /usr/lib
3 sudo tar -xvzf jdk-7u67-linux-x64.gz
4 sudo gedit /etc/profile

在/etc/profile文件的末尾添加環境變量：

1 export JAVA_HOME=/usr/lib/jdk1.7.0_67
2 export JRE_HOME=/usr/lib/jdk1.7.0_67/jre
3 export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH
4 export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

　　保存并更新/etc/profile：

1 source /etc/profile

　　測試jdk是否安裝成功：

1 java -version

?

2. 安裝及配置SSH

1 sudo apt-get update
2 sudo apt-get install openssh-server
3 sudo /etc/init.d/ssh start

　　生成并添加密鑰：

1 ssh-keygen -t rsa -P ""  
2 /root/.ssh/
3 cd /root/.ssh/
4 cat id_rsa.pub >> authorized_keys

　　ssh登錄：

1 ssh localhost

?

3. 安裝hadoop2.4.0

　　采用偽分布模式安裝hadoop2.4.0。解壓hadoop2.4.0到/usr/local目錄：

1 sudo cp hadoop-2.4.0.tar.gz /usr/local/
2 sudo tar -xzvf hadoop-2.4.0.tar.gz

　　在/etc/profile文件的末尾添加環境變量：

1 export HADOOP_HOME=/usr/local/hadoop-2.4.0
2 export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
3 
4 export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
5 export HADOOP_OPTS="-Djava.library.path=$HADOOP_HOME/lib"

　　保存并更新/etc/profile：

1 source /etc/profile

　　在位于/usr/local/hadoop-2.4.0/etc/hadoop的hadoop-env.sh和yarn-env.sh文件中修改jdk路徑：

1 cd /usr/local/hadoop-2.4.0/etc/hadoop
2 sudo gedit hadoop-env.sh
3 sudo gedit yarn-evn.sh

hadoop-env.sh：

yarn-env.sh：

　　修改core-site.xml：

1 sudo gedit core-site.xml

　　在<configuration></configuration>之間添加：

1 <property>
2   <name>fs.default.name</name>
3   <value>hdfs://localhost:9000</value>
4 </property>
5 
6 <property>
7   <name>hadoop.tmp.dir</name>
8   <value>/app/hadoop/tmp</value>
9 </property>

　　修改hdfs-site.xml：

1 sudo gedit hdfs-site.xml

　　在<configuration></configuration>之間添加：

 1 <property>2   <name>dfs.namenode.name.dir</name>3   <value>/app/hadoop/dfs/nn</value>4 </property>5 6 <property>7   <name>dfs.namenode.data.dir</name>8   <value>/app/hadoop/dfs/dn</value>9 </property>
10 
11 <property>
12   <name>dfs.replication</name>
13   <value>1</value>
14 </property>

　　修改yarn-site.xml：

1 sudo gedit yarn-site.xml

　　在<configuration></configuration>之間添加：

1 <property>
2   <name>mapreduce.framework.name</name>
3   <value>yarn</value>
4 </property>
5 
6 <property>
7   <name>yarn.nodemanager.aux-services</name>
8   <value>mapreduce_shuffle</value>
9 </property>

　　復制并重命名mapred-site.xml.template為mapred-site.xml：

1 sudo cp mapred-site.xml.template mapred-site.xml
2 sudo gedit mapred-site.xml

　　在<configuration></configuration>之間添加：

1 <property>
2   <name>mapreduce.jobtracker.address </name>
3   <value>hdfs://localhost:9001</value>
4 </property>

　　在啟動hadoop之前，為防止可能出現無法寫入log的問題，記得為/app目錄設置權限：

1 sudo mkdir /app
2 sudo chmod -R hduser:hduser /app

　　格式化hadoop：

1 sbin/hadoop namenode -format 

　　啟動hdfs和yarn。在開發Spark時，僅需要啟動hdfs：

1 sbin/start-dfs.sh  
2 sbin/start-yarn.sh  

?　　在瀏覽器中打開地址http://localhost:50070/可以查看hdfs狀態信息：

?

4. 安裝scala

1 sudo cp /home/hduser/Download/scala-2.9.3.tgz /usr/local
2 sudo tar -xvzf scala-2.9.3.tgz 

　　在/etc/profile文件的末尾添加環境變量：

1 export SCALA_HOME=/usr/local/scala-2.9.3
2 export PATH=$SCALA_HOME/bin:$PATH

　　保存并更新/etc/profile：

1 source /etc/profile

　　測試scala是否安裝成功：

1 scala -version

?

5. 安裝Spark

1 sudo cp spark-1.1.0-bin-hadoop2.4.tgz /usr/local
2 sudo tar -xvzf spark-1.1.0-bin-hadoop2.4.tgz 

　　在/etc/profile文件的末尾添加環境變量：

1 export SPARK_HOME=/usr/local/spark-1.1.0-bin-hadoop2.4
2 export PATH=$SPARK_HOME/bin:$PATH

　　保存并更新/etc/profile：

1 source /etc/profile

　　復制并重命名spark-env.sh.template為spark-env.sh：

1 sudo cp spark-env.sh.template spark-env.sh
2 sudo gedit spark-env.sh

　　在spark-env.sh中添加：

1 export SCALA_HOME=/usr/local/scala-2.9.3
2 export JAVA_HOME=/usr/lib/jdk1.7.0_67
3 export SPARK_MASTER_IP=localhost
4 export SPARK_WORKER_MEMORY=1000m

　　啟動Spark：

1 cd /usr/local/spark-1.1.0-bin-hadoop2.4
2 sbin/start-all.sh

　　測試Spark是否安裝成功：

1 cd /usr/local/spark-1.1.0-bin-hadoop2.4
2 bin/run-example SparkPi

?

6. 搭建Spark開發環境

　　本文開發Spark的IDE推薦IntelliJ IDEA，當然也可以選擇Eclipse。在使用IntelliJ IDEA之前，需要安裝scala的插件。點擊Configure：

　　點擊Plugins：

　　點擊Browse repositories...：

　　在搜索框內輸入scala，選擇Scala插件進行安裝。由于已經安裝了這個插件，下圖沒有顯示安裝選項：

　　安裝完成后，IntelliJ IDEA會要求重啟。重啟后，點擊Create New Project：

　　Project SDK選擇jdk安裝目錄，建議開發環境中的jdk版本與Spark集群上的jdk版本保持一致。點擊左側的Maven，勾選Create from archetype，選擇org.scala-tools.archetypes:scala-archetype-simple：

?　　點擊Next后，可根據需求自行填寫GroupId，ArtifactId和Version：

?　　點擊Next后，如果本機沒有安裝maven會報錯，請保證之前已經安裝maven：

　　點擊Next后，輸入文件名，完成New Project的最后一步：

　　點擊Finish后，maven會自動生成pom.xml和下載依賴包。我們需要修改pom.xml中scala的版本：

1 <properties>
2   <scala.version>2.10.4</scala.version>
3 </properties>

　　在<dependencies></dependencies>之間添加配置：

 1 <!-- Spark -->2 <dependency>3   <groupId>org.apache.spark</groupId>4   <artifactId>spark-core_2.10</artifactId>5   <version>1.1.0</version>6 </dependency>7 8 <!-- HDFS -->9 <dependency>
10   <groupId>org.apache.hadoop</groupId>
11   <artifactId>hadoop-client</artifactId>
12   <version>2.4.0</version>
13 </dependency>

　　在<build><plugins></plugins></build>之間添加配置：

 1 <plugin>2             <groupId>org.apache.maven.plugins</groupId>3             <artifactId>maven-shade-plugin</artifactId>4             <version>2.2</version>5             <executions>6                 <execution>7                     <phase>package</phase>8                     <goals>9                         <goal>shade</goal>
10                     </goals>
11                     <configuration>
12                         <filters>
13                             <filter>
14                                 <artifact>*:*</artifact>
15                                 <excludes>
16                                     <exclude>META-INF/*SF</exclude>
17                                     <exclude>META-INF/*.DSA</exclude>
18                                     <exclude>META-INF/*.RSA</exclude>
19                                 </excludes>
20                             </filter>
21                         </filters>
22                         <transformers>
23                             <transformer
24                                     implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
25                                 <mainClass>mark.lin.App</mainClass> // 記得修改成你的mainClass 
26                             </transformer>
27                             <transformer
28                                     implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
29                                 <resource>reference.conf</resource>
30                             </transformer>
31                         </transformers>
32                         <shadedArtifactAttached>true</shadedArtifactAttached>
33                         <shadedClassifierName>executable</shadedClassifierName>
34                     </configuration>
35                 </execution>
36             </executions>
37         </plugin>

　　Spark的開發環境至此搭建完成。One more thing，wordcount的示例代碼：

 1 package mark.lin //別忘了修改package2 3 import org.apache.spark.{SparkConf, SparkContext}4 import org.apache.spark.SparkContext._5 6 import scala.collection.mutable.ListBuffer7 8 /**9  * Hello world!
10  *
11  */
12 object App{
13   def main(args: Array[String]) {
14     if (args.length != 1) {
15       println("Usage: java -jar code.jar dependencies.jar")
16       System.exit(0)
17     }
18     val jars = ListBuffer[String]()
19     args(0).split(",").map(jars += _)
20 
21     val conf = new SparkConf()
22     conf.setMaster("spark://localhost:7077").setAppName("wordcount").set("spark.executor.memory", "128m").setJars(jars)
23 
24     val sc = new SparkContext(conf)
25 
26     val file = sc.textFile("hdfs://localhost:9000/hduser/wordcount/input/input.csv")
27     val count = file.flatMap(line => line.split(" ")).map(word => (word, 1)).reduceByKey(_+_)
28     println(count)
29     count.saveAsTextFile("hdfs://localhost:9000/hduser/wordcount/output/")
30     sc.stop()
31   }
32 }

?

7. 編譯&運行

　　使用maven編譯源代碼。點擊左下角，點擊右側package，點擊綠色三角形，開始編譯。

?　　在target目錄下，可以看到maven生成的jar包。其中，hellworld-1.0-SNAPSHOT-executable.jar是我們需要放到Spark集群上運行的。

?

　　在運行jar包之前，保證hadoop和Spark處于運行狀態：

　　將jar包拷貝到Ubuntu的本地文件系統上，輸入以下命令運行jar包：

1 java -jar helloworld-1.0-SNAPSHOT-executable.jar helloworld-1.0-SNAPSHOT-executable.jar

　　在瀏覽器中輸入地址http://localhost:8080/可以查看任務運行情況：

?

8. Q&A

Q：在Spark集群上運行jar包，拋出異常“No FileSystem for scheme: hdfs”：

A：這是由于hadoop-common-2.4.0.jar中的core-default.xml缺少hfds的相關配置屬性引起的異常。在maven倉庫目錄下找到hadoop-common-2.4.0.jar，以rar的打開方式打開：

　　將core-default.xml拖出，并添加配置：

1 <property>
2   <name>fs.hdfs.impl</name>
3   <value>org.apache.hadoop.hdfs.DistributedFileSystem</value>
4   <description>The FileSystem for hdfs: uris.</description>
5 </property>

　　再將修改后的core-default.xml替換hadoop-common-2.4.0.jar中的core-default.xml，重新編譯生成jar包。

?

Q：在Spark集群上運行jar包，拋出異常“Failed on local exception”：

A：檢查你的代碼，一般是由于hdfs路徑錯誤引起。

?

Q:在Spark集群上運行jar包，重復提示“Connecting to master spark”：

A:檢查你的代碼，一般是由于setMaster路徑錯誤引起。

?

Q：在Spark集群上運行jar包，重復提示“Initial job has not accepted any resource; check your cluster UI to ensure that workers are registered and have sufficient memory”：

A：檢查你的代碼，一般是由于內存設置不合理引起。此外，還需要檢查Spark安裝目錄下的conf/spark-env.sh對worker內存的設置。

?

Q：maven報錯：error: org.specs.Specification does not have a constructor

A: 刪除test目錄下的文件，重新編譯。

?

9. 參考資料

?[1] Spark Documentation from Apache. [Link]

?