Spark 安装
Spark 是批处理、SQL、流处理和机器学习场景里很常用的计算引擎。本篇在已经安装 HDFS、YARN、Hive、Flink、Kafka 的基础上继续安装 Spark。
这套环境里 Spark 使用 YARN 作为资源调度，使用 Hive Metastore 做表元数据入口。安装时会部署 Spark History Server、Spark ThriftServer 和 Spark Client。
本次角色分配如下：
| 主机 | Spark 角色 |
|---|---|
hadoop1.test.com |
SPARK_JOBHISTORYSERVER、SPARK_THRIFTSERVER、SPARK_CLIENT |
hadoop2.test.com |
SPARK_CLIENT |
hadoop3.test.com |
SPARK_CLIENT |
1. 选择 Spark 服务
进入 服务与组件 ，点击 新增服务 ，勾选 Spark。
页面会显示 Spark 依赖 HDFS、YARN、Hive。前面的文章已经把这些组件安装完成，所以这里可以直接下一步。
2. 分配 Spark History Server
Master 分配页里，Spark 的常驻 Master 角色是 SPARK_JOBHISTORYSERVER。
本次把它放在 hadoop1.test.com：
| 组件 | 主机 | 说明 |
|---|---|---|
SPARK_JOBHISTORYSERVER |
hadoop1.test.com |
用来查看 Spark 历史作业。 |
Spark on YARN 的 Driver 和 Executor 会随作业提交到 YARN，不需要在 Ambari 里固定分配。
3. 分配 Spark ThriftServer 和 Client
Slave 与 Client 分配页里，Spark 有一个 SPARK_THRIFTSERVER，还有 SPARK_CLIENT。
本次这样分配：
| 组件 | 分配主机 | 说明 |
|---|---|---|
SPARK_THRIFTSERVER |
hadoop1.test.com |
提供 Spark SQL Thrift 入口。 |
SPARK_CLIENT |
hadoop1.test.com、hadoop2.test.com、hadoop3.test.com |
下发 Spark 命令和配置。 |
如果后面要让 Hue 连接 Spark SQL，ThriftServer 建议先装上。生产环境可根据查询压力规划独立节点。
4. 检查 Spark 推荐配置
进入自定义配置页后，先确认 待填写 0。
这一页重点看目录类配置：
| 配置项 | 说明 |
|---|---|
spark.eventLog.dir |
Spark 事件日志目录。 |
spark.history.fs.logDirectory |
History Server 读取历史日志的位置。 |
spark_log_dir |
Spark 本地日志目录。 |
spark_pid_dir |
Spark PID 目录。 |
第一次安装先保留推荐配置，让服务启动和 Service Check 先跑通。后面再按作业规模调整 Driver、Executor、Shuffle、History 日志保留等参数。
5. 确认安装清单
确认页会列出 Spark 的三类角色。
本次确认结果如下：
| 检查项 | 本次结果 |
|---|---|
| 新增服务 | SPARK |
| Master 分配 | SPARK_JOBHISTORYSERVER -> hadoop1.test.com |
| Slave 分配 | SPARK_THRIFTSERVER -> hadoop1.test.com |
| Client 分配 | 三台主机都有 SPARK_CLIENT |
| 配置校验 | 必填项已填写 |
确认无误后点击 开始安装。
6. 提交 Kerberos 管理员凭据
开启 Kerberos 的集群中，新增 Spark 同样需要提交 KDC 管理员凭据。
提交后，系统会生成 Spark 使用的 principal / keytab，并继续安装组件。
7. 等待 Spark 安装完成
安装进度页会按主机展示任务。
这个阶段主要看：
| 阶段 | 期望结果 |
|---|---|
| Client 安装 | 三台主机的 SPARK_CLIENT 安装完成。 |
| 服务端安装 | SPARK_JOBHISTORYSERVER、SPARK_THRIFTSERVER 安装完成。 |
| Kerberos | Spark keytab 分发完成。 |
| 启动服务 | History Server 和 ThriftServer 启动完成。 |
| Service Check | Spark 示例检查通过。 |
安装完成后，向导会显示 SPARK 已成功安装。
8. 回到服务列表确认状态
回到 服务与组件 页面，Spark 会出现在 资源计算 分类下。
页面里可以看到：
| 组件 | 状态 |
|---|---|
Spark History Server |
运行中 |
Spark Thrift Server |
运行中 |
Spark Client |
客户端 |
命令行可以做一个版本确认：
sh
spark-submit --version正常会看到类似结果：
text
version 3.5.5
Using Scala version 2.12.18到这里，Spark 的基础安装完成。下一步继续安装 Hue，把前面的 HDFS、Hive、Spark 等入口统一放到 Web 页面里使用。