0%

Spark on YARN分布式部署文档

环境:Ubuntu 12.04 LTS Desktop 64bit
提示:这里只用了一台机器同时做master节点和slave节点,如果想要分布式部署,即多个slave节点,准备环境部分一样,然后配置文档做一些修改增加slave节点就行,看完这份文档就知道怎么修改了

准备环境

我这里全程都是不用root模式的。

  1. 设置用户名
    我这里设成master
  2. 配置hosts文档
    vi /etc/hosts
    1
    2
    3
    10.1.1.107      master
    10.1.1.108 slave1
    10.1.1.109 slave2
    配置之后ping一下用户名看是否生效
    ping master
  3. 关闭防火墙
    sudo ufw disable
  4. 安装JAVA 提示:最好建一个目录,把需要用到的东西都装在这一个目录里面,这样比较方便,我用的是/work,从官网下载最新版JAVA就可以,Spark官方说明JAVA只要是6以上的版本都可以,我下的是jdk-7u75-linux-x64.gz
    /work这目录下直接解压
    tar xvzf jdk-7u75-linux-x64.gz
    修改环境变量 vi /etc/profile 添加下列内容:
    1
    2
    3
    4
    export JAVA_HOME=/home/administrator/work/jdk1.7.0_75
    export JRE_HOME=/home/administrator/work/jdk1.7.0_75/jre
    export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
    export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib
    使环境变量生效
    source /etc/profile
    验证一下JAVA是否成功安装
    java -version
    如果打印出版本信息,说明安装成功 windowskeys.net buy windows 10 key
  5. 安装配置Scala Spark官方说明Scala要求为2.10.x版本,注意不要下错版本,我这里下了2.10.3 同样放在/usr/java目录下然后解压
    tar xvzf scala-2.10.3.tgz
    修改环境变量vi /etc/profile
    添加下列内容:
    1
    2
    export SCALA_HOME=/usr/java/scala-2.10.3
    export PATH=$PATH:$SCALA_HOME/bin
    使环境变量生效
    source /etc/profile
    验证Scala是否安装成功
    scala -version
    如果打印出来版本信息,说明安装成功
  6. 配置SSH无密码通信
    安装Openssh server
    apt-get install openssh-server
    我这里没联网,所以就在http://www.openssl.org/source/openssl-1.0.1e.tar.gz下安装包编译。
    1
    2
    3
    4
    tar xvzf openssl-1.0.1e.tar.gz
    cd openssl-1.0.1e
    ./config shared --prefix=/usr/local
    make && make install
    在所有机器上都生成私钥和公钥
    ssh-keygen -t rsa (然后一直按回车)
    如果要机器间都能相互访问,要把所有机器都公钥都拷到authorized_keys,传输公钥可以用scp来传输。
    scp .ssh/id_rsa.pub administrator@slave1:/home/administrator/.ssh/id_rsa_master.pub
    注意提示的密钥所在的目录,然后切换到那个目录里面,然后把所有的公钥都添加进authorized_keys
    cat .ssh/id_rsa.pub >> .ssh/authorized_keys
    验证SSH无密码通信
    1
    2
    3
    ssh master
    ssh slave1
    ssh slave2

hadoop YARN安装

  1. 安装hadoop
    从官网下载hadoop2.6.0版本
    解压
    tar xvzf hadoop-2.6.0.tar.gz
    hadoop-2.6.0不应该解压到/usr/java,因为/usr/java需要root权限才能访问,最好不要用到root权限。
    解压之后会在~/work目录下,看到hadoop的文档:hadoop-2.6.0
  2. 配置hadoop
    hadoop-2.6.0/etc/hadoop/hadoop-env.sh中,添加JAVA安装目录
    export JAVA_HOME=//home/administrator/work/jdk1.7.0_75
    hadoop-2.6.0/etc/hadoop下,将mapred-site.xml.templat重命名成mapred-site.xml,并添加以下内容:
    1
    2
    3
    4
    5
    6
    <configuration>
    <property>
    <name>mapreduce.framework.name</name>
    <value>yarn</value>
    </property>
    </configuration>
    hadoop-2.6.0/etc/hadoop/中,修改core-site.xml
    1
    2
    3
    4
    5
    6
    7
    <configuration>
    <property>
    <name>fs.default.name</name>
    <value>hdfs://master:8020</value>
    <final>true</final>
    </property>
    </configuration>
    hadoop-2.6.0/etc/hadoop/中,修改yarn-site.xml
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    <configuration>
    <property>
    <name>yarn.nodemanager.aux-services</name>
    <value>mapreduce_shuffle</value>
    </property>
    <property>
    <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
    <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
    <property>
    <name>yarn.resourcemanager.scheduler.address</name>
    <value>master:8030</value>
    </property>
    <property>
    <name>yarn.resourcemanager.resource-tracker.address</name>
    <value>master:8031</value>
    </property>
    <property>
    <name>yarn.resourcemanager.address</name>
    <value>master:8032</value>
    </property>
    <property>
    <name>yarn.resourcemanager.admin.address</name>
    <value>master:8033</value>
    </property>
    </configuration>
    注:之前从网上看到的配置文档都是mapreduce.shuffle,然后起yarn的时候yarn就一直没起起来,运行jps命令,可以看到yarn起起来,而且有进程号,但是其实已经挂了,去看log文档发现有错,具体错误忘记截图留念了
    修改hdfs-site.xml
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    <configuration>
    <property>
    <name>dfs.namenode.name.dir</name>
    <value>/home/administrator/work/mnt/disk1/yarn/dfs/name</value>
    </property>
    <property>
    <name>dfs.datanode.data.dir</name>
    <value>/home/administrator/work/mnt/disk1/yarn/dfs/data</value>
    </property>
    <property>
    <name>dfs.replication</name>
    <value>1</value>
    </property>
    <property>
    <name>dfs.permissions</name>
    <value>false</value>
    </property>
    </configuration>
    hadoop-2.6.0/etc/hadoop/slaves文件中添加你的节点ip或者host:
    1
    2
    slave1
    slave2
    修改bashrc文件
    vi /home/administrator/.bashrc
    添加以下内容:
    1
    2
    3
    4
    export HADOOP_COMMON_LIB_NATIVE_DIR=/home/administrator/work/hadoop-2.6.0/lib/native
    export HADOOP_OPTS="-Djava.library.path=/home/administrator/work/hadoop-2.6.0/lib"
    export HADOOP_ROOT_LOGGER=DEBUG,console
    //开启debug调试
    source /home/administrator/.bashrc
    通常编译好的hadoop库是在lib中,如果你不想编译,可以用lib/native里面的预编译库,然后把native的库移动到lib文件夹中。
    cp hadoop-2.6.0/lib/native/* hadoop-2.6.0/lib/
  3. 验证hadoop是否安装成功 启动HDFS 首次启动集群时,做如下操作【主名字节点上执行】
    bin/hadoop namenode -format
    进入hadoop所在目录
    sbin/start-dfs.sh
    启动YARN
    sbin/start-yarn.sh
    打开浏览器,输入http://master:8088
    这里有一个大坑,如果运行上面的format命令时,会问要不要清空原来的文件,如果清空的话,第二次启动是datanode死活都启动不起来,因为那时候slave节点的文件id是从master节点复制过来的,要保持一致才能打开datanode节点,如果format之后,master节点的文件id就回重新生成,所以这时候要不就不清空文件;如果清空文件就要把datanode的文件也顺便手动删除一下。
  4. 在YARN下尝试运行MapReduce例子程序
    搭好hadoop之后,想尝试跑一下例子程序,发现遇到8020端口连接失败错误
    网上各种方法都尝试了,包括更改core_site.xml里面的端口为8020,检查防火墙,网络配置都没有问题 后来一个一个log看,发现是/mnt/disk1/yarn/dfs/name文件有问题
    把hdfs格式化久可以了
    bin/hadoop namenode -format
    运行pi例子程序
    bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar pi 20 10
    命令里的20 10分别指20个map10个reduce

Spark安装

  1. 安装Spark
    从官网下载最新版Spark
    我下的是spark-1.2.1-bin-hadoop2.4.tgz
    解压tar xvzf spark-1.2.1-bin-hadoop2.4.tgz
  2. 配置Spark
    vi conf/spark-env.sh
    添加一下内容
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    export SPARK_LOCAL_IP=根据实际情况填写
    export SCALA_HOME=/home/administrator/work/scala-2.10.3
    export JAVA_HOME=/home/administrator/work/jdk1.7.0_75
    export HADOOP_HOME=/home/administrator/work/hadoop-2.6.0
    export SPARK_LOCAL_DIR=/home/administrator/work/spark-1.2.1-bin-hadoop2.4
    export SPARK_JAVA_OPTS="-Dspark.storage.blockManagerHeartBeatMs=60000 -Dspark.local.dir=$SPARK_LOCAL_DIR -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -Xloggc:$SPARK_HOME/logs/gc.log -XX:+UseConcMarkSweepGC -XX:+UseCMSCompactAtFullCollection -XX:CMSInitiatingOccupancyFraction=60 -Xms256m -Xmx256m -XX:MaxPermSize=128m"
    export SPARK_MASTER_IP=master
    export SPARK_MASTER_PORT=7077
    export SPARK_WORKER_CORES=1
    export SPARK_WORKER_MEMORY=2g
    export SPARK_WORKER_PORT=9090
    export SPARK_WORKER_WEBUI_PORT=9099
    export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
    在slave文件下填上slave主机名:
    1
    2
    slave1
    slave2
  3. 启动Spark
    sbin/start-all.sh
  4. 验证Spark 输入命令jps,可以看到打出的JVM程序
    1
    2
    3
    4
    5
    6
    8566 SecondaryNameNode
    8955 NodeManager
    8082 NameNode
    17022 Jps
    8733 ResourceManager
    8296 DataNode
    进入Spark的Web管理页面:
    master:8080
    运行命令
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    #本地模式两线程运行
    ./bin/run-example SparkPi 10 --master local[2]

    # Run application locally on 8 cores
    ./bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master local[6] \
    lib/spark-examples-1.2.1-hadoop2.4.0.jar \
    100

    # Run on a Spark Standalone cluster in client deploy mode
    ./bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master spark://master:7077 \
    --executor-memory 8G \
    --total-executor-cores 4 \
    lib/spark-examples-1.2.1-hadoop2.4.0.jar \
    100

    # Run on a Spark Standalone cluster in cluster deploy mode with supervise
    ./bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master spark://master:7077 \
    --deploy-mode cluster \
    --supervise \
    --executor-memory 8G \
    --total-executor-cores 8 \
    lib/spark-examples-1.2.1-hadoop2.4.0.jar \
    100

    # Run on a YARN cluster
    ./bin/spark-submit \
    --class org.apache.spark.examples.SparkPi \
    --master yarn-cluster \ # can also be `yarn-client` for client mode
    --executor-memory 8G \
    --num-executors 8 \
    /path/to/examples.jar \
    100