Spark集群框架的搭建与入门

Spark是专为大规模数据处理而设计的，基于内存快速通用,可扩展的集群计算引擎，实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流，运算速度相比于MapReduce得到了显著的提高。

一、Spark概述

运行结构

Driver

运行Spark的Applicaion中main()函数，会创建SparkContext，SparkContext负责和Cluster-Manager进行通信，并负责申请资源、任务分配和监控等。

ClusterManager

负责申请和管理在WorkerNode上运行应用所需的资源，可以高效地在一个计算节点到数千个计算节点之间伸缩计算，目前包括Spark原生的ClusterManager、ApacheMesos和HadoopYARN。

Executor

Application运行在WorkerNode上的一个进程，作为工作节点负责运行Task任务，并且负责将数据存在内存或者磁盘上，每个 Application都有各自独立的一批Executor，任务间相互独立。

二、环境部署

1、Scala环境

安装包管理

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

配置变量

 [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环境需要部署在Spark运行的相关服务节点上。

2、Spark基础环境

安装包管理

 [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

配置变量

 [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

服务节点

 [root@hop01 opt]# cd /opt/spark2.1/conf/ [root@hop01 conf]# cp slaves.template slaves [root@hop01 conf]# vim slaves hop01 hop02 hop03

环境配置

 [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=安装节点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启动

依赖Hadoop相关环境，所以要先启动。

 启动：/opt/spark2.1/sbin/start-all.sh 停止：/opt/spark2.1/sbin/stop-all.sh

这里在主节点会启动两个进程：Master和Worker，其他节点只启动一个Worker进程。

5、访问Spark集群

默认端口是：8080。

 http://hop01:8080/

运行基础案例：

 [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 运行结果：Pi is roughly 3.1455357276786384

三、开发案例

1、核心依赖

依赖Spark2.1.1版本：

      org.apache.spark     spark-core_2.11     2.1.1

引入Scala编译插件：

      net.alchim31.maven     scala-maven-plugin     3.2.2                                            compile                 testCompile

2、案例代码开发

读取指定位置的文件，并输出文件内容单词统计结果。

 @RestController public class WordWeb implements Serializable {     @GetMapping("/word/web")     public String getWeb (){         // 1、创建Spark的配置对象         SparkConf sparkConf = new SparkConf().setAppName("LocalCount")                                              .setMaster("local[*]");         // 2、创建SparkContext对象         JavaSparkContext sc = new JavaSparkContext(sparkConf);         sc.setLogLevel("WARN");         // 3、读取测试文件         JavaRDD lineRdd = sc.textFile("/var/spark/test/word.txt");         // 4、行内容进行切分         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、切分的单词进行标注         JavaPairRDD wordAndOneRdd = wordsRdd.mapToPair(new PairFunction() {             @Override             public Tuple2 call(Object obj) throws Exception {                 //将单词进行标记：                 return new Tuple2(String.valueOf(obj), 1);             }         });         // 6、统计单词出现次数         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 finalResult = sortedRdd.collect();         // 8、结果打印         for (Tuple2 tuple2 : finalResult) {             System.out.println(tuple2._1 + " ===> " + tuple2._2);         }         // 9、保存统计结果         sortedRdd.saveAsTextFile("/var/spark/output");         sc.stop();         return "success" ;     } }

打包执行结果：