Part I - 文件清单
  1. spark-2.1.1-bin-hadoop2.7.tar
Part II - 下载链接

[Spark 下载链接]：http://spark.apache.org/downloads.html

Part III - 基于YARN的Spark集群分布式部署

在部署Hadoop后的基础上，进行以下操作。
总览，集群信息：

节点角色

Master

Slave1

Slave2

IP

192.168.137.128

192.168.137.129

192.168.137.130

HostName

BlogMaster

BlogSlave1

BlogSlave2

Spark

BolgMaster-YES

BlogSlave1-YES

BlogSlave2-YES

Step 1: 解压spark安装包至指定的目录（/opt/cluster/）

[root@BlogMaster ~]# tar -zxvf spark-2.1.1-bin-hadoop2.7.tar -C /opt/cluster

Step 2: 修改spark的两个配置文件（位于/opt/cluster/spark-2.1.1-bin-hadoop2.7/conf）

分别为：slaves和spark-env.sh。值得注意，在该目录下，两个文件并不存在，但存在同名但后缀为template的文件，故可以采用拷贝方式创建这两个文件。

  • Step 2.1: 对于slave文件

首先，执行如下命令：

[root@BlogMaster conf]# cp slaves.template slaves

其次，进入新创建的slave文件，新添如下内容：

# A Spark Worker will be started on each of the machines listed below.
BlogSlave1
BlogSlave2
  • Step 2.2: 对于spark-env.sh文件

首先，执行如下命令：

[root@BlogMaster conf]# cp spark-env.sh.template spark-env.sh

其次，进入新创建的spark-env.sh文件，在该文件末尾新添如下内容：

export SPARK_HOME=/opt/cluster/spark-2.1.1-bin-hadoop2.7
export JAVA_HOME=/opt/cluster/jdk1.8.0_181
export HADOOP_HOME=/opt/cluster/hadoop-2.8.4
export PATH=$PATH:$JAVA_HOME/bin:$HADOOP_HOME/sbin
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export YARN_CONF_DIR=$YARN_HOME/etec/hadoop
export SPARK_MASTER_IP=BlogMaster
SPARK_LOCAL_DIRS=/opt/cluster/spark-2.1.1-bin-hadoop2.7
export SPARK_LIBRARY_PATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$HADOOP_HOME/lib/native
  • Step 2.3: 分发BlogMaster的修改后完整spark文件至两台Slave节点

对于BlogSlave1

[root@BlogMaster cluster]# scp -r spark-2.1.1-bin-hadoop2.7/ BlogSlave1:$PWD

对于BlogSlave2

[root@BlogMaster cluster]# scp -r spark-2.1.1-bin-hadoop2.7/ BlogSlave2:$PWD
Part IV - Spark集群启动和运行状态监测

Step 1: 启动Spark集群

总体，将在BlogMaster节点依次启动HDFS，YARN和Spark集群。具体地，将分别执行如下命令：

[root@BlogMaster hadoop-2.8.4]# start-dfs.sh
[root@BlogMaster hadoop-2.8.4]# start-yarn.sh

[root@BlogMaster hadoop-2.8.4]# cd ..
[root@BlogMaster cluster]# cd spark-2.1.1-bin-hadoop2.7/
[root@BlogMaster spark-2.1.1-bin-hadoop2.7]# sbin/start-all.sh

考虑到Hadoop以及其内部包含的YARN集群，设置了全局环境变量，因此可以直接执行start-dfs.sh和start-yarn.sh两行命令。而spark集群的启动必须进入其安装目录，采用sbin/start-all.sh命令启动。

[root@BlogMaster hadoop-2.8.4]# start-dfs.sh

第一步： 在BlogMaster节点下，执行start-dfs.sh命令。

[root@BlogMaster hadoop-2.8.4]# start-dfs.sh

中间结果：

Starting namenodes on [BlogMaster]
BlogMaster: starting namenode, logging to /opt/cluster/hadoop-2.8.4/logs/hadoop-root-namenode-BlogMaster.out
BlogSlave2: starting datanode, logging to /opt/cluster/hadoop-2.8.4/logs/hadoop-root-datanode-BlogSlave2.out
BlogSlave1: starting datanode, logging to /opt/cluster/hadoop-2.8.4/logs/hadoop-root-datanode-BlogSlave1.out
Starting secondary namenodes [BlogSlave1]
BlogSlave1: starting secondarynamenode, logging to /opt/cluster/hadoop-2.8.4/logs/hadoop-root-secondarynamenode-BlogSlave1.out

第二步： 在BlogMaster节点下，执行start-yarn.sh命令。

[root@BlogMaster hadoop-2.8.4]# start-yarn.sh

中间结果：

starting yarn daemons
starting resourcemanager, logging to /opt/cluster/hadoop-2.8.4/logs/yarn-root-resourcemanager-BlogMaster.out
BlogSlave1: starting nodemanager, logging to /opt/cluster/hadoop-2.8.4/logs/yarn-root-nodemanager-BlogSlave1.out
BlogSlave2: starting nodemanager, logging to /opt/cluster/hadoop-2.8.4/logs/yarn-root-nodemanager-BlogSlave2.out

第三步： 在BlogMaster节点下，执行sbin/start-all.sh命令。

[root@BlogMaster hadoop-2.8.4]# cd ..
[root@BlogMaster cluster]# cd spark-2.1.1-bin-hadoop2.7/
[root@BlogMaster spark-2.1.1-bin-hadoop2.7]# sbin/start-all.sh

中间结果：

[root@BlogMaster spark-2.1.1-bin-hadoop2.7]# sbin/start-all.sh
starting org.apache.spark.deploy.master.Master, logging to /opt/cluster/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.master.Master-1-BlogMaster.out
BlogSlave1: starting org.apache.spark.deploy.worker.Worker, logging to /opt/cluster/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-BlogSlave1.out
BlogSlave2: starting org.apache.spark.deploy.worker.Worker, logging to /opt/cluster/spark-2.1.1-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-BlogSlave2.out
[root@BlogMaster spark-2.1.1-bin-hadoop2.7]# jps
10789 NameNode
11080 ResourceManager
12104 Master
12170 Jps

Step 2: Spark集群正常运行状态—后台判断

在BlogMaster将产生Master进程，而在两台Slave节点将产生Worker进程。 具体如下：
BlogMaster节点：

[root@BlogMaster spark-2.1.1-bin-hadoop2.7]# jps
10789 NameNode
11080 ResourceManager
12104 Master
12170 Jps

BlogSlave1节点：

[root@BlogSlave1 hadoop]# jps
5873 DataNode
6050 NodeManager
6968 Worker
5930 SecondaryNameNode
7022 Jps

BlogSlave2节点：

[root@BlogSlave2 ~]# jps
5937 Jps
5162 DataNode
5263 NodeManager
5871 Worker

Step 3: Spark集群正常运行状态—网页查看

  • Step 3.1: 通过BlogMaster:8080查看spark集群

    • sparkOnYarn 配置历史服务器 spark yarn 配置_Hadoop集群

  • Step 3.2: 通过BlogMaster:8088查看算圆周率的作业

执行如下命令，提交spark作业。

[root@BlogMaster spark-2.1.1-bin-hadoop2.7]# bin/spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode client ./examples/jars/spark-examples_2.11-2.1.1.jar

以此方式进入web页面，查看刚提交的作业：

sparkOnYarn 配置历史服务器 spark yarn 配置_hadoop_02

等待相对较长的时间，可以欣赏一首Alan Walker的The Spectre，enjoy…

大概2分钟后，再次通过此方式查看已结束的作业，结果如下:

sparkOnYarn 配置历史服务器 spark yarn 配置_Spark集群_03


运行结果查看，

sparkOnYarn 配置历史服务器 spark yarn 配置_Yarn_04