Spark单机部署及样例运行

193次阅读

共计 2581 个字符，预计需要花费 7 分钟才能阅读完成。

spark 单机运行部署

环境预装

需要预先下载 jdk 和 spark。机器使用 CentOS 6.6(推荐)。然后依次运行

[root@spark-master root]# cd /root

# 安装必要的软件
[root@spark-master root]# yum install -y tar git curl wget

# 下载 jdk
[root@spark-master root]# wget --no-check-certificate --no-cookies --header "Cookie: Oraclelicense=accept-securebackup-cookie"  http://download.oracle.com/otn-pub/java/jdk/8u91-b14/jdk-8u91-linux-x64.rpm

# 安装 jdk
[root@spark-master root]# rpm -ivh jdk-8u91-linux-x64.rpm

# 下载 spark
[root@spark-master root]# wget http://mirrors.hust.edu.cn/apache/spark/spark-1.6.2/spark-1.6.2-bin-Hadoop2.6.tgz
  
# 解压 spark
[root@spark-master root]# tar xzvf spark-1.6.2-bin-hadoop2.6.tgz

配置

关闭 selinux。setenfore 0。
通过 hostname 查看机器名，然后加入到 /etc/hosts 中。
配置 /etc/profile。在文件最后添加export JAVA_HOME=/usr/java/jdk1.8.0_91。然后运行source /etc/profile 使其生效。

运行 spark 服务

启动 spark master 服务

[root@spark-master root]# cd /root/spark-1.6.2-bin-hadoop2.6
[root@spark-master spark-1.6.2-bin-hadoop2.6]# ./sbin/start-master.sh

启动 spark node 服务

[root@spark-master root]# cd /root/spark-1.6.2-bin-hadoop2.6
[root@spark-master spark-1.6.2-bin-hadoop2.6]# ./sbin/start-slave.sh spark://node1:7077

node1 为机器名。根据实际的机器名进行修改。

spark 样例运行

通过 pyspark 进行运算

这里以统计 /etc/profile 的行数为例。

[root@spark-master root]# cd /root/spark-1.6.2-bin-hadoop2.6/bin
[root@spark-master bin]# ./pyspark --master local[2]

# 导入数据
>>> distFile = sc.textFile("/etc/profile")

# 统计行数
>>> distFile.count()

这里 local[2] 代表了在本地启动两个线程模拟 node 进行计算。如果搭建完成了本地的搭建，即可以使用./pyspark --master spark://node1:7077, 从而使用本地的 node 进行计算。

任务提交

pyspark 是使用交互的方式进行提交任务。当然也可以通过 spark-submit 进行提交。

首先创建 test.py 文件，文件内容如下：

from pyspark import SparkContext
sc = SparkContext("local", "Simple App")
distFile = sc.textFile("/etc/profile")
print distFile.count()

使用 spark-submit 提交任务。

[root@spark-master root]# cd /root/spark-1.6.2-bin-hadoop2.6
[root@spark-master spark-1.6.2-bin-hadoop2.6]# ./bin/spark-submit --master local[2] test.py