Spark集群框架的搭建與入門

更新時(shí)間：2021年06月18日 11:27:05 作者：知了一笑

Spark是專為大規(guī)模數(shù)據(jù)處理而設(shè)計(jì)的，基于內(nèi)存快速通用,可擴(kuò)展的集群計(jì)算引擎，實(shí)現(xiàn)了高效的DAG執(zhí)行引擎,可以通過基于內(nèi)存來高效處理數(shù)據(jù)流，運(yùn)算速度相比于MapReduce得到了顯著的提高。

一、Spark概述

運(yùn)行結(jié)構(gòu)

Driver

運(yùn)行Spark的Applicaion中main()函數(shù)，會(huì)創(chuàng)建SparkContext，SparkContext負(fù)責(zé)和Cluster-Manager進(jìn)行通信，并負(fù)責(zé)申請(qǐng)資源、任務(wù)分配和監(jiān)控等。

ClusterManager

負(fù)責(zé)申請(qǐng)和管理在WorkerNode上運(yùn)行應(yīng)用所需的資源，可以高效地在一個(gè)計(jì)算節(jié)點(diǎn)到數(shù)千個(gè)計(jì)算節(jié)點(diǎn)之間伸縮計(jì)算，目前包括Spark原生的ClusterManager、ApacheMesos和HadoopYARN。

Executor

Application運(yùn)行在WorkerNode上的一個(gè)進(jìn)程，作為工作節(jié)點(diǎn)負(fù)責(zé)運(yùn)行Task任務(wù)，并且負(fù)責(zé)將數(shù)據(jù)存在內(nèi)存或者磁盤上，每個(gè) Application都有各自獨(dú)立的一批Executor，任務(wù)間相互獨(dú)立。

二、環(huán)境部署

1、Scala環(huán)境

安裝包管理

[root@hop01 opt]# tar -zxvf scala-2.12.2.tgz
[root@hop01 opt]# mv scala-2.12.2 scala2.12

配置變量

[root@hop01 opt]# vim /etc/profile

export SCALA_HOME=/opt/scala2.12
export PATH=$PATH:$SCALA_HOME/bin

[root@hop01 opt]# source /etc/profile

版本查看

[root@hop01 opt]# scala -version

Scala環(huán)境需要部署在Spark運(yùn)行的相關(guān)服務(wù)節(jié)點(diǎn)上。

2、Spark基礎(chǔ)環(huán)境

安裝包管理

[root@hop01 opt]# tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz
[root@hop01 opt]# mv spark-2.1.1-bin-hadoop2.7 spark2.1

配置變量

[root@hop01 opt]# vim /etc/profile

export SPARK_HOME=/opt/spark2.1
export PATH=$PATH:$SPARK_HOME/bin

[root@hop01 opt]# source /etc/profile

版本查看

[root@hop01 opt]# spark-shell

3、Spark集群配置

服務(wù)節(jié)點(diǎn)

[root@hop01 opt]# cd /opt/spark2.1/conf/
[root@hop01 conf]# cp slaves.template slaves
[root@hop01 conf]# vim slaves

hop01
hop02
hop03

環(huán)境配置

[root@hop01 conf]# cp spark-env.sh.template spark-env.sh
[root@hop01 conf]# vim spark-env.sh

export JAVA_HOME=/opt/jdk1.8
export SCALA_HOME=/opt/scala2.12
export SPARK_MASTER_IP=hop01
export SPARK_LOCAL_IP=安裝節(jié)點(diǎn)IP
export SPARK_WORKER_MEMORY=1g
export HADOOP_CONF_DIR=/opt/hadoop2.7/etc/hadoop

注意SPARK_LOCAL_IP的配置。

4、Spark啟動(dòng)

依賴Hadoop相關(guān)環(huán)境，所以要先啟動(dòng)。

啟動(dòng)：/opt/spark2.1/sbin/start-all.sh
停止：/opt/spark2.1/sbin/stop-all.sh

這里在主節(jié)點(diǎn)會(huì)啟動(dòng)兩個(gè)進(jìn)程：Master和Worker，其他節(jié)點(diǎn)只啟動(dòng)一個(gè)Worker進(jìn)程。

5、訪問Spark集群

默認(rèn)端口是：8080。

http://hop01:8080/

運(yùn)行基礎(chǔ)案例：

[root@hop01 spark2.1]# cd /opt/spark2.1/
[root@hop01 spark2.1]# bin/spark-submit --class org.apache.spark.examples.SparkPi --master local examples/jars/spark-examples_2.11-2.1.1.jar

運(yùn)行結(jié)果：Pi is roughly 3.1455357276786384

三、開發(fā)案例

1、核心依賴

依賴Spark2.1.1版本：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>2.1.1</version>
</dependency>

引入Scala編譯插件：

<plugin>
    <groupId>net.alchim31.maven</groupId>
    <artifactId>scala-maven-plugin</artifactId>
    <version>3.2.2</version>
    <executions>
        <execution>
            <goals>
                <goal>compile</goal>
                <goal>testCompile</goal>
            </goals>
        </execution>
    </executions>
</plugin>

2、案例代碼開發(fā)

讀取指定位置的文件，并輸出文件內(nèi)容單詞統(tǒng)計(jì)結(jié)果。

@RestController
public class WordWeb implements Serializable {

    @GetMapping("/word/web")
    public String getWeb (){
        // 1、創(chuàng)建Spark的配置對(duì)象
        SparkConf sparkConf = new SparkConf().setAppName("LocalCount")
                                             .setMaster("local[*]");

        // 2、創(chuàng)建SparkContext對(duì)象
        JavaSparkContext sc = new JavaSparkContext(sparkConf);
        sc.setLogLevel("WARN");

        // 3、讀取測試文件
        JavaRDD lineRdd = sc.textFile("/var/spark/test/word.txt");

        // 4、行內(nèi)容進(jìn)行切分
        JavaRDD wordsRdd = lineRdd.flatMap(new FlatMapFunction() {
            @Override
            public Iterator call(Object obj) throws Exception {
                String value = String.valueOf(obj);
                String[] words = value.split(",");
                return Arrays.asList(words).iterator();
            }
        });

        // 5、切分的單詞進(jìn)行標(biāo)注
        JavaPairRDD wordAndOneRdd = wordsRdd.mapToPair(new PairFunction() {
            @Override
            public Tuple2 call(Object obj) throws Exception {
                //將單詞進(jìn)行標(biāo)記：
                return new Tuple2(String.valueOf(obj), 1);
            }
        });

        // 6、統(tǒng)計(jì)單詞出現(xiàn)次數(shù)
        JavaPairRDD wordAndCountRdd = wordAndOneRdd.reduceByKey(new Function2() {
            @Override
            public Object call(Object obj1, Object obj2) throws Exception {
                return Integer.parseInt(obj1.toString()) + Integer.parseInt(obj2.toString());
            }
        });

        // 7、排序
        JavaPairRDD sortedRdd = wordAndCountRdd.sortByKey();
        List<Tuple2> finalResult = sortedRdd.collect();

        // 8、結(jié)果打印
        for (Tuple2 tuple2 : finalResult) {
            System.out.println(tuple2._1 + " ===> " + tuple2._2);
        }

        // 9、保存統(tǒng)計(jì)結(jié)果
        sortedRdd.saveAsTextFile("/var/spark/output");
        sc.stop();
        return "success" ;
    }
}

打包執(zhí)行結(jié)果：