Spark集群怎么部署

本篇內容介紹了“Spark集群怎么部署”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

本文將接受 Spark 集群的部署方式，包括無 HA、Spark Standalone HA 和 基于 ZooKeeper 的 HA 三種。
環境：CentOS6.6 、 JDK1.7.0_80 、 關閉防火墻 、 配置好 hosts 和 SSH 免密碼、Spark1.5.0

一. 無 HA 方式
1. 主機名與角色的對應關系：
node1.zhch    Master
node2.zhch    Slave
node3.zhch    Slave

2. 解壓 Spark 部署包（可以從官網直接下載部署包，也可從官網下載源碼再 編譯出部署包）
[yyl@node1 program]$ tar -zxf spark-1.5.0-bin-2.5.2.tgz 

3. 修改配置文件

[yyl@node1 program]$ cd spark-1.5.0-bin-2.5.2/conf/
[yyl@node1 conf]$ cp slaves.template slaves
[yyl@node1 conf]$ vim slaves
node2.zhch
node3.zhch

[yyl@node1 conf]$ cp spark-env.sh.template spark-env.sh
[yyl@node1 conf]$ vim spark-env.sh
export JAVA_HOME=/usr/lib/java/jdk1.7.0_80
export SPARK_MASTER_IP=node1.zhch
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_CORES=1
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=1g

說明：
SPARK_MASTER_IP ：Master節點地址
SPARK_MASTER_PORT ：Master端口號
SPARK_WORKER_CORES ：每個worker的核心數，一般設置成主機的CPU核心數
SPARK_WORKER_INSTANCES ：每臺主機上運行的worker數量
SPARK_WORKER_MEMORY ：Spark作業允許使用的內存總量（每個作業自己的內存空間由屬性 spark.executor.memory 決定）

4. 分發 Spark
[yyl@node1 program]$ scp -rp spark-1.5.0-bin-2.5.2 node2.zhch:~/program/
[yyl@node1 program]$ scp -rp spark-1.5.0-bin-2.5.2 node3.zhch:~/program/

5. 啟動與停止命令
./sbin/start-master.sh  - 啟動 Master
./sbin/start-slaves.sh  - 啟動所有的 Slave
./sbin/start-slave.sh spark://IP:PORT  - 啟動本機的 Slave
./sbin/start-all.sh  - 啟動所有的 Master 和 Slave
./sbin/stop-master.sh  - 停止 Master
./sbin/stop-slaves.sh  - 停止所有的 Slave
./sbin/stop-slave.sh  - 停止本機的 Slave
./sbin/stop-all.sh  - 停止所有的 Master 和 Slave

./bin/spark-shell --master spark://IP:PORT   - 運行 Spark Shell
./bin/spark-submit --class packageName.MainClass --master spark://IP:PORT path/jarName.jar  - 提交作業 

二. Spark Standalone HA
只需要在無 HA 的基礎上修改 conf/spark-env.sh 文件，添加如下一行即可：

export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=FILESYSTEM -Dspark.deploy.recoveryDirectory=/home/yyl/program/spark-1.5.0-bin-2.5.2/recovery"

說明：
  spark.deploy.recoveryMode   -- FILESYSTEM，表示開啟基于文件系統的單節點恢復模式 ，默認為 NONE
  spark.deploy.recoveryDirectory   -- Spark 保存恢復狀態的目錄

三. 基于 ZooKeeper 的 HA
1. 主機名與角色的對應關系：
node1.zhch    Master、ZooKeeper
node2.zhch    Master、ZooKeeper
node3.zhch    Slave、ZooKeeper
node4.zhch    Slave
node5.zhch    Slave

2. 安裝 ZooKeeper 集群

3. 配置
與無 HA 模式相比，conf/slaves 文件中仍然是配置所有的 Slave 節點地址；不同的是 conf/spark-env.sh 中 SPARK_MASTER_IP 不用配置，但要增加 SPARK_DAEMON_JAVA_OPTS 配置，內容如下：

export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=node1.zhch:2181,node2.zhch:2181,node3.zhch:2181 -Dspark.deploy.zookeeper.dir=/spark"

說明：
  spark.deploy.recoveryMode  -- ZOOKEEPER，表示開啟基于 ZooKeeper 的 HA
  park.deploy.zookeeper.url  -- ZooKeeper URL
  spark.deploy.zookeeper.dir  -- ZooKeeper 保存恢復狀態的目錄，缺省為 /spark

配置好 HA 后，由于 master 有多個，在用到 spark url 的地方列出所有的 master，例如：
./bin/spark-shell --master spark://host1:port1,host2:port2,host3:port3

5. 驗證 HA
首先啟動 Zookeeper 集群；然后在 node1 節點上運行 sbin/start-all.sh 命令啟動 Spark 集群。最后使用 jps 命令查看，只在 node1 節點上發現了 Master 進程，而 node2 節點上沒有，這時需要在 node2 節點上使用 sbin/start-master.sh 命令來啟動備 Master 進程，這樣便實現了 Master HA


kill 掉 node1 節點上的 master 進程后：

“Spark集群怎么部署”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！