spark入门及集群环境搭建

软件环境: VMware workstation 11.0

从网站建设到定制行业解决方案，为提供成都网站建设、做网站服务体系，各种行业企业客户提供网站建设解决方案，助力业务快速发展。创新互联公司将不断加快创新步伐，提供优质的建站服务。

linux ：CentOS 6.7

hadoop-2.7.3

jdk-1.0.7_67

spark-2.1.0-bin-hadoop2.7/

安装虚拟机和jdk就不再此赘述。

直接讲解安装hadoop和spark的安装。

一。下载hadoop源码包。点击此处下载: http://hadoop.apache.org/ 

  1.下载后解压到指定的目录下。

   tar -zxvf hadoop-2.7.3.tar.gz   -C /usr/hadoop

  2.解压后进入目录  cd /usr/hadoop/hadoop-2.7.3 

  3.修改配置文件: 进入到cd /hadoop-2.7.3/etc/hadoop下需要修改几个配置文件

   1> cp etc/hadoop/hadoop-env.sh.template.hadoop-env.sh

      cp etc/hadoop/hdfs-site.xml.templete  hdfs-site.xml

      cp etc/hadoop/core-site.templete  core-site.xml

      cp etc/hadoop/mapred-env.sh.templete  mapred-env.sh

      cp etc/hadoop/mapred-site.templete  mapred-site.sh 

      cp etc/hadoop/slaves.templete  slaves

      cp etc/yarn-env.sh.templete  yarn-env.sh

      cp etc/yarn-site.xml.templete  yarn-site.xml

注意: 一般修改系统配置文件时最好做一个备份或者复制后修改，就像这样的。

   hadoop-env.sh 配置文件的内容

# The java implementation to use.
   export JAVA_HOME=/opt/modules/jdk1.7.0_67/
 这是需要修改为自己机器安装的jdk的位置。其他文件内容不需要修改。

hdfs-site.xml
  

        dfs.replication
        2
        
        
        dfs.block.size
        134217728
        
        
        dfs.namenode.name.dir
        /home/hadoopdata/dfs/name
        
        
        dfs.datanode.data.dir
        /home/hadoopdata/dfs/data
        
        
        fs.checkpoint.dir
        /home/hadoopdata/checkpoint/dfs/cname
        
        
        fs.checkpoint.edits.dir
        /home/hadoopdata/checkpoint/dfs/cname
        
        
         dfs.http.address
        master:50070
         
          
           dfs.secondary.http.address
           slave1:50090
          
           
          dfs.webhdfs.enabled
        true
           
          
          dfs.permissions
          true
          

 3> core-site.xml

        fs.defaultFS

        hdfs://master:8020

        io.file.buffer.size

        4096

        hadoop.tmp.dir

        /opt/modules/hadoop-2.7.3/data/tmp

4> mapred-env.sh

 export JAVA_HOME=/usr/local/java/jdk1.7.0_67/

 修改为自己电脑的jdk路径。

5> mapred-site.xml

        mapreduce.framework.name

        yarn

        true

        mapreduce.jobhistory.address

        master:10020

        mapreduce.jobhistory.webapp.address

        master:19888

        mapreduce.job.ubertask.enable

        true

        mapred.job.tracker

        master:9001

6> slaves 设置需要几个节点运行

  master

  slave1

  slave2

7> yarn-env.sh

  JAVA=$JAVA_HOME/bin/java   引用jdk的路径

8> yarn-site.xml

        yarn.resourcemanager.hostname

        salve2

        yarn.nodemanager.aux-services

        mapreduce_shuffle

        yarn.resourcemanager.address

        slave2:8032

        yarn.resourcemanager.scheduler.address

        slave2:8030

        yarn.resourcemanager.resource-tracker.address

        slave2:8031

        yarn.resourcemanager.admin.address

        slave2:8033

        yarn.resourcemanager.webapp.address

        slave2:8088

                yarn.log-aggregation-enable

                true

                 yarn.nodemanager.remote-app-log-dir

                 /opt/modules/hadoop-2.7.3/tmp/logs

注意: 修改完配置后，需要将hadoop分发到其他节点。 slave1和slave2.

    scp -r /usr/hadoop/hadoop-2.7.3  root@slave1:/usr/hadoop

    scp -r /usr/hadoop/hadoop-2.7.3  root@slave2:/usr/hadoop

然后需要修改环境变量文件。可以修改当前用户的 环境变量文件，就是~./bash_rc 或全局变量文件 /etc/profile

   export  JAVA_HOME=/usr/local/jdk-1.7.0_67

   export  PATH=:PATH:$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:

保存 :wq;  然后可以把环境变量文件发送给其他节点。

二. 格式化namenode节点 

    hadoop namenode -format  会看到一堆输出信息。然后会提示namenode 格式化成功的提示。

三。启动集群.

   可以全部启动，也可以单独 启动。

  hadoop 安装路径下有个sbin 目录，下是存放的是系统的启动脚本。 

  全部启动: start-all.sh

  单独启动节点: hadoop-daemon.sh  start namenode/datanode xxx.

  启动后用jps查看进程。