
[peizk@hadoop software]$ wget https://downloads.lightbend.com/scala/2.12.15/scala-2.12.15.tgz
--2022-04-09 10:42:23--  https://downloads.lightbend.com/scala/2.12.15/scala-2.12.15.tgz
Resolving downloads.lightbend.com (downloads.lightbend.com)... 13.225.173.82, 13.225.173.69, 13.225.173.49, ...
Connecting to downloads.lightbend.com (downloads.lightbend.com)|13.225.173.82|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 21087658 (20M) [application/octet-stream]
Saving to: ‘scala-2.12.15.tgz’
 
100%[==========================================================================================================================>] 21,087,658  4.28MB/s   in 5.6s   
 
2022-04-09 10:42:29 (3.60 MB/s) - ‘scala-2.12.15.tgz’ saved [21087658/21087658]

（3）解压


[peizk@hadoop software]$ tar -zxvf scala-2.12.15.tgz -C ~/app

（4）配置环境变量

内容如下


#SCALA_HOME
export SCALA_HOME=/home/peizk/app/scala-2.12.15
export PATH=$PATH:$SCALA_HOME/bin

配置完成后source一下

[root@hadoop app]# source /etc/profile

（5）创建一个软连接，方便使用


[root@hadoop bin]# ln -s /home/peizk/app/scala-2.12.15/bin/scala  /usr/bin/scala

（6）检查一下是否安装成功


[peizk@hadoop ~]$ scala -version
Scala code runner version 2.12.15 -- Copyright 2002-2021, LAMP/EPFL and Lightbend, Inc.

部署成功

三、Spark编译

1、官网下载 3.2.1版本

链接：Downloads | Apache Spark

2、将文件上传至服务器解压，并对其dev下 make-distribution.sh做配置

3、对文件 make-distribution.sh 进行配置

将版本信息注释掉

自己指定，如下

4、指定scala版本

[root@hadoop dev]# ./change-scala-version.sh  2.12

5、进行编译

[root@hadoop spark-3.2.1]# ./dev/make-distribution.sh --name 3.2.1-hadoop3.1.3 --tgz -Phive -Phive-thriftserver -Pyarn -Dhadoop.version=3.1.3 -Dscala.version=2.12.15

过程会比较慢一点

6、编译成功

并且可在家目录下找到编译好的文件

7、编译遇到的问题

（1）编译所需依赖包下载慢

exec: curl --silent --show-error -L https://downloads.lightbend.com/scala/。。。。

解决办法

在linux 配置 maven，并且maven镜像要使用阿里云镜像，并在 spark家目录下dev下文件make-distribution.sh如下处 指定maven路径，如下：

（2）编译时提示内存不足等

Java HotSpot(TM) 64-Bit Server VM warning: CodeCache is full. Compiler has been disabled

解决办法

指定mav内存，调大

在 /etc/profile 添加

export MAVEN_OPTS="-Xms1024m -Xmx1024m -Xss1m"

不要忘记source！！！！

四、spark服务器部署

1、将二编译好的spark放入我们的用户文件夹下的software下，并解压至app下，并重命名

[root@hadoop spark-3.2.1]# cp spark-3.2.1-bin-3.2.1-hadoop3.1.3.tgz /home/peizk/software

[peizk@hadoop software]$ tar -zxvf spark-3.2.1-bin-3.2.1-hadoop3.1.3.tgz  -C ~/app

[peizk@hadoop app]$ mv spark-3.2.1-bin-3.2.1-hadoop3.1.3 spark-3.2.1

2、配置spark环境变量在/etc/profile下


#SPARK_HOME
export SPARK_HOME=/home/peizk/app/spark-3.2.1
export PATH=$PATH:$SPARK_HOME/bin

不要忘记source

3、配置spark下conf文件下的 spark-env.sh 文件

（1）cp 一个文件spark-env.sh

[peizk@hadoop conf]$ cp spark-env.sh.template  spark-env.sh

（2）配置文件spark-env.sh

配置三个 conf_dir 如下：


# Options read in YARN client/cluster mode
# - SPARK_CONF_DIR, Alternate conf dir. (Default: ${SPARK_HOME}/conf)
SPARK_CONF_DIR=${SPARK_HOME}/conf
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files
HADOOP_CONF_DIR=${HADOOP_HOME}/etc/hadoop
# - YARN_CONF_DIR, to point Spark towards YARN configuration files when you use YARN
YARN_CONF_DIR=${HADOOP_HOME}/etc/hadoop

4、配置mysql驱动

从 hive的lib下偷过来，如下

[peizk@hadoop lib]$ cp mysql-connector-java-5.1.47.jar ../../spark-3.2.1/jars/

5、将hive的配置文件 hive-site.xml 拷贝到 spark下conf下

[peizk@hadoop spark-3.2.1]$ cp ../hive-3.1.2/conf/hive-site.xml conf/

6、测试一下我们的spark是否配置成功

（1）执行一下官方例子，圆周率代码如下


bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
/home/peizk/app/spark-3.2.1/examples/jars/spark-examples_2.12-3.2.1.jar 10
 
 
[peizk@hadoop spark-3.2.1]$ bin/spark-submit \
> --class org.apache.spark.examples.SparkPi \
> --master yarn \
> /home/peizk/app/spark-3.2.1/examples/jars/spark-examples_2.12-3.2.1.jar 10

（2）未执行成功报错

报错大致如下


Caused by: java.io.IOException: Connection reset by peer
	at sun.nio.ch.FileDispatcherImpl.read0(Native Method)
	at sun.nio.ch.SocketDispatcher.read(SocketDispatcher.java:39)
	at sun.nio.ch.IOUtil.readIntoNativeBuffer(IOUtil.java:223)
	at sun.nio.ch.IOUtil.read(IOUtil.java:192)
	at sun.nio.ch.SocketChannelImpl.read(SocketChannelImpl.java:380)
	at io.netty.buffer.PooledByteBuf.setBytes(PooledByteBuf.java:253)
	at io.netty.buffer.AbstractByteBuf.writeBytes(AbstractByteBuf.java:1132)
	at io.netty.channel.socket.nio.NioSocketChannel.doReadBytes(NioSocketChannel.java:350)
	at io.netty.channel.nio.AbstractNioByteChannel$NioByteUnsafe.read(AbstractNioByteChannel.java:151)
	at io.netty.channel.nio.NioEventLoop.processSelectedKey(NioEventLoop.java:719)
	at io.netty.channel.nio.NioEventLoop.processSelectedKeysOptimized(NioEventLoop.java:655)
	at io.netty.channel.nio.NioEventLoop.processSelectedKeys(NioEventLoop.java:581)
	at io.netty.channel.nio.NioEventLoop.run(NioEventLoop.java:493)
	at io.netty.util.concurrent.SingleThreadEventExecutor$4.run(SingleThreadEventExecutor.java:986)
	at io.netty.util.internal.ThreadExecutorMap$2.run(ThreadExecutorMap.java:74)
	at io.netty.util.concurrent.FastThreadLocalRunnable.run(FastThreadLocalRunnable.java:30)
	at java.lang.Thread.run(Thread.java:748)

（3）查询了一下是由于YARN内存设置小导致，尝试将yarn比例调大一点

修改文件

[peizk@hadoop hadoop]$ vim yarn-site.xml

添加如下：


<property>
        <name>yarn.nodemanager.vmem-pmem-ratio</name>
        <value>4</value>
    </property>

重启启动下集群

（4）重新执行测试代码

执行成功！如下

spark配置成功！！

五、配置spark History Server

1、进入spark下conf下复制一个配置文件 spark-defaults.conf

[peizk@hadoop conf]$ cp spark-defaults.conf.template spark-defaults.conf

修改两处地方如下：

2、在 hdfs上创建一个存放 history的文件夹

将1 中的地址修改为我们刚创建的的spark-log文件地址，如下：

3、修改conf下文件 spark-env.sh

添加如下：

SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://hadoop:9000/spark-log"

4、打开我们的history服务

[peizk@hadoop sbin]$ ./start-history-server.sh

5、查看是否启动成功

ip:18080

启动成功！！

6、重跑下之前的测试例子求pi的，刷新history界面

如下：

六、使用spark算子实现wc例子

1、创建一个测试文件 spark-test.txt

内容如下：


[peizk@hadoop spark-3.2.1]$ cat spark-test.txt 
aa,bb,cc
aa,c,cc
aa

2、将测试文件上传至hdfs上

路径如下：


[peizk@hadoop spark-3.2.1]$ hadoop fs -mkdir /spark-test
[peizk@hadoop spark-3.2.1]$ hadoop fs -put spark-test.txt /spark-test/

3、启动scala

[peizk@hadoop spark-3.2.1]$ spark-shell

4、查看一下的们的测试文件


scala> sc.textFile("/spark-test/spark-test.txt").foreach(println)
aa
aa,bb,cc
aa,c,cc

5、实现wc


scala> sc.textFile("/spark-test/spark-test.txt").flatMap(x => x.split(",")).map(x =>(x,1)).reduceByKey(_+_).foreach(println)
(aa,3)
(c,1)
(bb,1)
(cc,2)

6、换一种方式实现wc

sc.textFile("/spark-test/spark-test.txt").flatMap(_.split(",")).map((_, 1)).groupByKey().map(tuple => {(tuple._1, tuple._2.sum)}).collect().foreach(println)

七、关于运行角色-Driver/Executor

1、Driver

Spark驱动器节点，用于执行Spark任务中的main方法，负责实际代码的执行工作。Driver在Spark作业执行时主要负责：

将用户程序转化为作业（job）
在Executor之间调度任务(task)
跟踪Executor的执行情况
通过UI展示查询运行情况

简单理解，所谓的Driver就是驱使整个应用运行起来的程序，也称之为Driver类。

2、Executor

Spark Executor是集群中工作节点（Worker）中的一个JVM进程，负责在 Spark 作业中运行具体任务（Task），任务彼此之间相互独立。Spark 应用启动时，Executor节点被同时启动，并且始终伴随着整个 Spark 应用的生命周期而存在。如果有Executor节点发生了故障或崩溃，Spark 应用也可以继续执行，会将出错节点上的任务调度到其他Executor节点上继续运行。

Executor有两个核心功能：

负责运行组成Spark应用的任务，并将结果返回给驱动器进程
它们通过自身的块管理器（Block Manager）为用户程序中要求缓存的 RDD 提供内存式存储。RDD 是直接缓存在Executor进程内的，因此任务可以在运行时充分利用缓存数据加速运算。

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/喵喵爱编程/article/detail/816457

Spark基础+Scala环境搭建+ Spark源码编译部署+ Spark配置History Server +通过算子实现WC例子_spark 源码编译与部署

一、Spark基础知识

二、Scala环境搭建

1、部署本地SCALA

（1）官网下载2.12.15版本

（2）配置环境变量

（3）cmd 检查一下

2、部署服务器Scala

（1）复制下载链接

（2）使用wget 命令下载