hadoop集成spark（spark on yarn）

文章目录

• [hadoop集成spark（spark on yarn）](#hadoop集成spark（spark on yarn）)
• • 下载spark软件包
  • spark文件设置
  • • spark-env.sh
    • workers
  • 环境变量设置
  • 发送spark到其余机器
  • 启动spark

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