当前位置:   article > 正文

小白入门AI教程:教你快速搭建大数据平台『Hadoop+Spark』

ai大数据平台搭建

Apache Spark 简介

Apache Spark 是专为大规模数据处理而设计的快速通用的计算引擎。Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架,拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。

 

Spark 是一种与 Hadoop 相似的开源集群计算环境,但是两者之间还存在一些不同之处,这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越,换句话说,Spark 启用了内存分布数据集,除了能够提供交互式查询外,它还可以优化迭代工作负载。

 

Spark 是在 Scala 语言中实现的,它将 Scala 用作其应用程序框架。与 Hadoop 不同,Spark 和 Scala 能够紧密集成,其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

 

尽管创建 Spark 是为了支持分布式数据集上的迭代作业,但是实际上它是对 Hadoop 的补充,可以在 Hadoop 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发,可用来构建大型的、低延迟的数据分析应用程序。

准备工作1  环境

  1. JDK:1.8  
  2. Spark-2.2.0
  3. Hadoop Release:2.7.4  
  4. centos:7.3
主机名ip地址安装服务
spark-master192.168.252.121jdk、hadoop、spark、scala
spark-slave01192.168.252.122jdk、hadoop、spark
spark-slave02192.168.252.123jdk、hadoop、spark

2  依赖环境

Spark 是在 Scala 语言中实现的,它将 Scala 用作其应用程序框架。与 Hadoop 不同,Spark 和 Scala 能够紧密集成,其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。安装 Scala:

  • Scala

Scala-2.13.0 安装及配置(https://link.juejin.im/?target=https%3A%2F%2Fsegmentfault.com%2Fa%2F1190000011314775)  

  • Hadoop

Hadoop-2.7.4 集群快速搭建(https://link.juejin.im/?target=https%3A%2F%2Fsegmentfault.com%2Fa%2F1190000011266759)

 

安装

 

1  下载解压

 

  1. su hadoopcd /home/hadoop/
  2. wget https://mirrors.tuna.tsinghua.edu.cn/apache/spark/spark-2.2.0/spark-2.2.0-bin-hadoop2.7.tgz
  3. tar -zxvf spark-2.2.0-bin-hadoop2.7.tgz
  4. mv spark-2.2.0-bin-hadoop2.7 spark-2.2.0

2  环境变量

如果是对所有的用户都生效就修改vi /etc/profile 文件如果只针对当前用户生效就修改 vi ~/.bahsrc  文件

sudo vi /etc/profile
#sparkexport PATH=${SPARK_HOME}/bin:$PATHexport SPARK_HOME=/home/hadoop/spark-2.2.0/

使环境变量生效,运行 source /etc/profile使/etc/profile 文件生效

3  修改配置

 

修改 spark-env.sh

  1. cd /home/hadoop/spark-2.2.0/conf
  2. mv spark-env.sh.template spark-env.sh
  3. vi spark-env.sh
  4. #javaexport JAVA_HOME=/lib/jvm#Spark主节点的IPexport SPARK_MASTER_IP=192.168.252.121#Spark主节点的端口号export SPARK_MASTER_PORT=7077

简单介绍几个变量

  • JAVA_HOME:Java安装目录

  • SCALA_HOME:Scala安装目录

  • HADOOP_HOME:hadoop安装目录

  • HADOOP_CONF_DIR:hadoop集群的配置文件的目录

  • SPARK_MASTER_IP:spark集群的Master节点的ip地址

  • SPARK_WORKER_MEMORY:每个worker节点能够最大分配给exectors的内存大小

  • SPARK_WORKER_CORES:每个worker节点所占有的CPU核数目

  • SPARK_WORKER_INSTANCES:每台机器上开启的worker节点的数目

 

修改 slaves

  1. cd /home/hadoop/spark-2.2.0/conf
  2. mv slaves.template slaves
  3. vi slaves
  4. node1
  5. node2
  6. node3

4  配置集群

 

复制节点

进去 spark 安装目录 ,打包,并发送,到其他节点

  1. cd cd /home/hadoop/
  2. tar zcvf spark.tar.gz spark-2.2.0
  3. scp spark.tar.gz hadoop@node2:/home/hadoop/
  4. scp spark.tar.gz hadoop@node3:/home/hadoop/

进去 node1,node2 节点 解压

  1. cd /home/hadoop/
  2. tar -zxvf spark.tar.gz

环境变量

到这里一步 确保你的每一个节点 环境变量够数

  1. #jdk
  2. export JAVA_HOME=/lib/jvm
  3. export JRE_HOME=${JAVA_HOME}/jre
  4. export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
  5. export PATH=${SPARK_HOME}/bin:${SCALA_HOME}/bin:${HADOOP_HOME}/bin:${JAVA_HOME}/bin:$PATH
  6. #hadoop
  7. export HADOOP_HOME=/home/hadoop/hadoop-2.7.4/
  8. #scala
  9. export SCALA_HOME=/lib/scala
  10. #spark
  11. export SPARK_HOME=/home/hadoop/spark-2.2.0/

5  启动集群

关闭防火墙

systemctl stop firewalld.service

启动 Hadoop

  1. cd /home/hadoop/hadoop-2.7.4/sbin
  2. ./start-all.sh

启动 Spark

  1. cd /home/hadoop/spark-2.2.0/sbin
  2. ./start-all.sh

启动 Spark Shell

cd /home/hadoop/spark-2.2.0/bin ./spark-shell

spark 访问:192.168.252.121:8080

spark-shell 访问:192.168.252.121:4040

转载于:https://www.cnblogs.com/dashujunihaoa/p/10915203.html

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/人工智能uu/article/detail/781450
推荐阅读
相关标签
  

闽ICP备14008679号