Spark 环境部署
==> Spark 集群体系结构
--->
==> Spark安装与部署
Spark 的安装部署有四种模式：Standalone, YARN, Mesos, Amazon EC2, 这里主要讲解Standalone 方式
---> 环境部署准备工作：（此处不作详细讲解）
---- 四台 Linux 主机（虚拟机）
---- 修改主机名
---- 免密码登陆
---- 安装 JDK 环境
---> Spark Standalone 伪分布的部署
wget tar zxf spark-2.2.1-bin-hadoop2.7.tgz -C /appcd /app/spark-2.2.1-bin-hadoop2.7/confcp spark-env.sh.template spark-env.shcp slaves.template slaves-----------------------------------------------------------------------------------vim spark-env.sh export JAVA_HOME=/app/java/jdk1.8.0_102 export SPARK_MASTER_HOST=bigdata0 export SPARK_MASTER_PORT=7077-----------------------------------------------------------------------------------vim slaves bigdata0
---> Spark Standalone 全分布的部署
---- 环境架构：
| Master | bigdata1 | ||
| Worker | bigdata2 | bigdata3 | bigdata4 |
---- 主节点部署：
wget http://mirrors.hust.edu.cn/apache/spark/spark-2.2.1/spark-2.2.1-bin-hadoop2.7.tgz tar zxf spark-2.2.1-bin-hadoop2.7.tgz -C /appcd /app/spark-2.2.1-bin-hadoop2.7/confcp spark-env.sh.template spark-env.shcp slaves.template slaves-----------------------------------------------------------------------------------vim spark-env.sh export JAVA_HOME=/app/java/jdk1.8.0_102 export SPARK_MASTER_HOST=bigdata0 export SPARK_MASTER_PORT=7077-----------------------------------------------------------------------------------vim slaves bigdata2 bigdata3 bigdata4
---- 将主节点的安装目录 cp 到其它从节点上即可
scp -r spark-2.2.1-bin-hadoop2.7/ bigdata2:/app &scp -r spark-2.2.1-bin-hadoop2.7/ bigdata3:/app &scp -r spark-2.2.1-bin-hadoop2.7/ bigdata4:/app &
---- 启动
start-all.sh
==> Spark HA 的实现
Spark HA 有两种实现方式：
---> 基于文件系统的单点故障恢复：只有一个主节点、只能用于开发测试
---- 特点：把 Spark 的运行信息入到一个本地的恢复目录，如果Master死掉，恢复 master 的时候从恢复目录上读取之前的信息
---- 配置：在 standalone 的基础上修改 spark-env.sh 文件，文件内容为：
vim spark-env.sh export JAVA_HOME=/app/java/jdk1.8.0_102 export SPARK_MASTER_HOST=bigdata0 export SPARK_MASTER_PORT=7077 export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=FILESYSTEM -Dspark.deploy.recoveryDirectory=/data/spark_recovery"
---- 参数讲解：
--- spark.deploy.recoveryMode
=> 此参数默认值为：None ，
=> 基于文件系统的单点故障修复: FILESYSTEM
=> 基于 Zookeeper 实现 Standby 的 Master: ZOOKEEPER
--- spark.deploy.recoveryDirectory 指定恢复目录
---- 测试：bin/spark-shell --master spark://bigdata1:7077
---> 基于 ZooKeeper 实现 Standby 的 Master
---- 特点：
| Zookeeper 提供了一个 Leader Election 机制，利用这个机制可以保证虽然集群存在多个 Master， 但是只有一个是Active 的，其他的都是 Standby ， 当 Active 的 Master 出现故障时，另外的一个 Standby Master 会被选举出来。 由于集群的信息包括 Worker, Driver 和 Application 的信息都已经持久化到 Zookeeper ， 因此在切换的过程中只会影响新的 Job 的提交 ， 对于正在进行 Job 没有任何的影响 |
---- 配置：在 standalone 的基础上修改 spark-env.sh 文件，文件内空为：
vim spark-env.sh export JAVA_HOME=/app/java/jdk1.8.0_102 export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=bigdata2:2181,bigdata3:2181,bigdata4:2181 -Dspark.deploy.zookeeper.dir=/spark"
---- 测试：
bigdata1: sbin/start-all.shbigdata2: sbin/start-master.sh
