文章目录
- [hadoop集成spark(spark on yarn)](#hadoop集成spark(spark on yarn))
hadoop集成spark(spark on yarn)
在hadoop搭建完成的前提下,集成spark:hadoop搭建请参考hadoop集群搭建
下载spark软件包
有很多种类spark的包,因为我是要集成到hadoop里面所以我选择spark-3.4.3-bin-hadoop3-scala2.13.tgz (集成hadoop自带scala)
# 在master节点下载
wget https://downloads.apache.org/spark/spark-3.4.3/spark-3.4.3-bin-hadoop3-scala2.13.tgz
# 解压
tar -zxvf spark-3.4.3-bin-hadoop3-scala2.13.tgz
# 重命名 (原始包名太长了)
mv spark-3.4.3-bin-hadoop3-scala2.13 spark
spark文件设置
#spark配置文件的路径
cd /home/ldsx/down_load/spark_data/spark/conf
spark-env.sh
配置spark自用环境变量
可以自己创建也可以copy,因为template就是空的
cp spark-env.sh.template spark-env.sh
vim spark-env.sh
#添加一下内容 换成自己的部署的实际信息即可
export JAVA_HOME=/home/ldsx/down_load/jdk_data_new/jdk1.8.0_411
export SPARK_MASTER_IP=192.168.0.76
export HADOOP_HOME=/home/ldsx/down_load/hadoop_data/hadoop-3.2.4
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
workers
低版本叫slaves,高版本为workers
配置工作机器
cp workers.template workers
vim workers
# 添加需要作为spark计算的机器
master
hadoop01
环境变量设置
sudo vim /etc/profile.d/my_env.sh
#配置spark路径方便使用
#spark_home
export SPARK_HOME=/home/ldsx/down_load/spark_data/spark
export PATH=$PATH:$SPARK_HOME/bin
source /etc/profile.d/my_env.sh
发送spark到其余机器
#因为做了免密直接传送
scp -r spark包 节点机器:相同路径
#我的matser 跟节点的目录结构都是完全一致的
scp -r spark_data hadoop01:/home/ldsx/down_load
启动spark
#因为hadoop里面也有start-all.sh,防止冲突直接进入spark目录下启动
cd /home/ldsx/down_load/spark_data/spark/sbin
./start-all.sh
8080:master默认Web端口
7077:master通信端口
master下进程,因为master配置成了worker机所以会同时存在Master,Worker进程
使用spark-submit启动一个test.py的任务后查看yarn与spark的UI
yarn界面
spark界面