开放原子开发者工作坊

 

一、spark简介

Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎，Spark 是一种与 hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。

二、spark编译

为什么cdh提供了spark已经编译好的包，还要自己手工编译？因为从spark某个版本之后，就不再集成hadoop相关的jar包了，这些jar包需要自己来指定路径，并且除了hadoop的jar包外，还有FastJson，Hbase等许许多多jar包需要自己指定，很麻烦，所以再三考量，决定还是自己手工编译spark。

1.安装scala 2.10.4

这个从scala官网上下载压缩包到linux，解压缩，配置好环境变量，即可，非常easy

2.下载spark1.6.0-cdh5.11.1源码包

http://archive.cloudera.com/cdh5/cdh/5/

同样是从这个网站下载源码包

解压

配置make-distribute.sh文件，修改：

把脚本里的VERSION,SCALA_VERSION,SPARK_HADOOP_VERSION,SPARK_HIVE四个参数的定义注释掉，因为这会花费大量的时间来获取到，并且添加下面的内容：

VERSION=1.6.0

SCALA_VERSION=2.10.4

SPARK_HADOOP_VERSION=2.6.0-cdh5.11.1

SPARK_HIVE=1

 3.修改pom.xml文件

修改一下最前面定义的scala.version的版本号，改成2.10.4

4.上传必要的编译的东西到build目录下

一是scala解压缩之后的包，zinc解压缩后的包

zinc可在这个地址下下载：

http://downloads.typesafe.com/zinc/0.3.5.3/zinc-0.3.5.3.tgz

结果如下：

5.修改maven配置文件的settings.xml，加入阿里云的镜像

<mirror>
    <id>nexus-aliyun</id>
    <mirrorOf>*</mirrorOf>
    <name>Nexus aliyun</name>
    <url>http://maven.aliyun.com/nexus/content/groups/public</url>
</mirror>

 

6.开始编译

./make-distribution.sh --tgz \

--name 2.6.0-cdh5.11.1 \

-Phadoop-2.6.0-cdh5.11.1 \

-Dhadoop.version=2.6.0-cdh5.11.1 \

-Pyarn \

-Phive-1.1.0

 

7.可能遇到的问题：

说是找不到这个包，于是去maven仓库中手动下载所有的文件，复制到本地的仓库，即可：

1.把这个文件夹下的内容都下载到本地

https://repo.eclipse.org/content/repositories/paho-releases/org/eclipse/paho/org.eclipse.paho.client.mqttv3/1.0.1/

之后，在本地maven仓库中，建立org/eclipse/paho/org.eclipse.paho.client.mqttv3/1.0.1/这个目录，把文件拷贝到这个目录下

2.把这个文件夹下的内容下载到本地

https://repo.eclipse.org/content/repositories/paho-releases/org/eclipse/paho/java-parent/1.0.1/

同样在本地建立org/eclipse/paho/java-parent/1.0.1/文件夹，把下载的东西复制到这即可

重新编译

8.漫长的等待，因为需要下载许多的jar包，务必这次编译成功后，把maven库打包备份一份，下次使用

9.之后，在本地可以看到一个编译好的tar包，这个就是spark的安装包

三.spark集群环境搭建

解压缩spark包，配置conf

重命名spark-env.sh.template为spark-env.sh，加入以下配置

JAVA_HOME=/home/hadoop/app/jdk
SCALA_HOME=/home/hadoop/app/scala
HADOOP_CONF_DIR=/home/hadoop/app/hadoop/etc/hadoop
HADOOP_HOME=/home/hadoop/app/hadoop
## 这里不同的机器不同的配置
SPARK_LOCAL_IP=hadoop001
SPARK_MASTER_IP=hadoop001
SPARK_MASTER_PORT=7077
SPARK_WORKER_CORES=2
SPARK_WORKER_MEMORY=2g　　

注意，SPARK_LOCAL_IP是本地的地址，不同的机器，这个配置需要改正哦

修改slaves

这里放入所有的worker节点

hadoop002

hadoop003

即可

 

先启动本地

bin/spark-shell

如果没有问题，那么可以启动集群了

sbin/start-all.sh

 

进入hadoop001:7077访问，即可看到spark的监控界面