spark的安装

1，要求你已经成功把Hadoop集群安装完毕，并经过测试，如果不知道如何编译安装Hadoop请参考散仙的这篇文章http://qindongliang.iteye.com/blog/2222145

2，安装Scala2.10.x版本，spark1.4.0最新版本的兼容2.10.x的scala，建议还是安装scala2.10.x的，虽然scala最新的版本是2.11.x了

安装方法：

（1） wget http://downloads.typesafe.com/scala/2.10.4/scala2.10.5.tgz_ga=1.83310549.215870088.1434449855
（2）tar -zxvf scala.xxx.tgz
（3）配置环境变量如下：

export SCALA_HOME=/ROOT/server/scala-2.10.4
export PATH=$PATH:$SCALA_HOME/bin

export SCALA_HOME=/ROOT/server/scala-2.10.4
export PATH=$PATH:$SCALA_HOME/bin

（4）测试scala

[webmaster@any-hadoop-0 ~]$ scala -version
Scala code runner version 2.10.4 -- Copyright 2002-2013, LAMP/EPFL

[webmaster@any-hadoop-0 ~]$ scala
Welcome to Scala version 2.10.4 (Java HotSpot(TM) 64-Bit Server VM, Java 1.7.0_79).
Type in expressions to have them evaluated.
Type :help for more information.

scala> print("scala install success")
scala install success
scala>

[webmaster@any-hadoop-0 ~]$ scala -version 
Scala code runner version 2.10.4 -- Copyright 2002-2013, LAMP/EPFL

[webmaster@any-hadoop-0 ~]$ scala
Welcome to Scala version 2.10.4 (Java HotSpot(TM) 64-Bit Server VM, Java 1.7.0_79).
Type in expressions to have them evaluated.
Type :help for more information.

scala> print("scala install success")
scala install success
scala> 

3，安装spark

（1）wget 下载hadoop对应版本的二进制包，散仙这里是hadoop2.6.0
wget http://archive.apache.org/dist/spark/spark-1.4.0/spark-1.4.0-bin-hadoop2.6.tgz

（2）解压到某个目录下，并命名为spark，下载下来的包名有点繁琐
（3）配置Spark的环境变量：

export SPARK_HOME=/ROOT/server/spark
export PATH=$PATH:$SPARK_HOME/bin

export SPARK_HOME=/ROOT/server/spark
export PATH=$PATH:$SPARK_HOME/bin

（4）进入spark/conf目录下，执行命令

mv spark-env.sh..template spark-env.sh
mv slaves.template slaves

mv spark-env.sh..template spark-env.sh
mv slaves.template slaves 

（5）配置spark-env.sh,使用vi spark-env.sh编译此文件，在文末添加如下几行：

export SCALA_HOME=/ROOT/server/scala-2.10.4
export JAVA_HOME=$JAVA_HOME
export HADOOP_HOME=/ROOT/server/hadoop
export HADOOP_CONF_DIR=/ROOT/server/hadoop/etc/hadoop
export SPARK_MASTER_IP=master
export SPARK_DRIVER_MEMORY=1G

export SCALA_HOME=/ROOT/server/scala-2.10.4
export JAVA_HOME=$JAVA_HOME
export HADOOP_HOME=/ROOT/server/hadoop
export HADOOP_CONF_DIR=/ROOT/server/hadoop/etc/hadoop
export SPARK_MASTER_IP=master
export SPARK_DRIVER_MEMORY=1G

（6）配置slaves

master
slave1
slave2

master
slave1
slave2

（7）执行scp命令，将环境变量，以及scala，spark的目录包，发送到各个节点上


（8）进入spark的根目录（因为hadoop的启动命令，跟这名字一样，所以，为避免冲突），执行sbin/start-all.sh启动spark集群；






（9）访问http://ip:8080查看spark的web界面



4，spark运行例子：

（1）本地模式运行

bin/run-example SparkPi 10 --master local[2]

bin/run-example SparkPi 10 --master local[2]

（2）Spark Standalone集群运行：

bin/spark-submit  --class org.apache.spark.examples.SparkPi --master spark://master:7077 lib/spark-examples-1.4.0-hadoop2.6.0.jar  100

bin/spark-submit  --class org.apache.spark.examples.SparkPi --master spark://master:7077 lib/spark-examples-1.4.0-hadoop2.6.0.jar  100

运行完，在spark的8080界面可以查看任务：




（3）在spark on yarn上 以yarn-cluster模式运行：

bin/spark-submit  --class org.apache.spark.examples.SparkPi --master yarn-cluster lib/spark-examples*.jar  10

bin/spark-submit  --class org.apache.spark.examples.SparkPi --master yarn-cluster lib/spark-examples*.jar  10 

（5）以yarn-client模式运行：

bin/spark-submit  --class org.apache.spark.examples.SparkPi --master yarn-client lib/spark-examples*.jar  10

 bin/spark-submit  --class org.apache.spark.examples.SparkPi --master yarn-client lib/spark-examples*.jar  10 

运行完，在hadoop的8088界面监控如下：



yarn-cluster与yarn-client的区别？

前者是后台挂起的方式运行，终端关了，对我这个任务不影响
后者是交互式的方式运行，终端关了，这个任务就被kill了