189 8069 5689
小编给大家分享一下Spark如何安装、配置及基础使用，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
我们提供的服务有：网站制作、网站建设、微信公众号开发、网站优化、网站认证、犍为ssl等。为上1000+企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的犍为网站制作公司
此主题介绍Spark的安装、配置及基础使用。
Spark基本信息
官网：http://spark.apache.org/ 官方教程：http://spark.apache.org/docs/latest/programming-guide.html
# 切换到工作空间 cd /opt/workspaces # 创建Spark数据目录 mkdir data/spark # 创建Spark日志目录 mkdir logs/spark
官方教程 http://spark.apache.org/docs/latest/spark-standalone.html |
wget http://mirrors.hust.edu.cn/apache/spark/spark-1.6.1/spark-1.6.1-bin-hadoop2.6.tgz tar -zxf spark-1.6.1-bin-hadoop2.6.tgz rm -rf spark-1.6.1-bin-hadoop2.6.tgz mv spark-1.6.1-bin-hadoop2.6 ./frameworks/spark
vi ./frameworks/spark/conf/spark-env.sh
export SPARK_MASTER_IP=bd
export SPARK_MASTER_PORT=7077
export MASTER=spark://${SPARK_MASTER_IP}:${SPARK_MASTER_PORT}
# 指定Spark数据目录
export SPARK_LOCAL_DIRS=/opt/workspaces/data/spark/
# 指定Spark日志目录
export SPARK_LOG_DIR=/opt/workspaces/logs/spark/
# 指定JDK目录
export JAVA_HOME=/opt/env/java
# 指定Scala目录
export SCALA_HOME=/opt/env/scala./frameworks/spark/sbin/start-all.sh
# 执行圆周率计算示例 ./frameworks/spark/bin/run-example org.apache.spark.examples.SparkPi ./frameworks/spark/bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://bd:6066\ --deploy-mode cluster \ --driver-memory 512M \ --executor-memory 256M \ #如果运行出错请改大些 ./frameworks/spark/lib/spark-examples-1.6.1-hadoop2.6.0.jar \ 1000
| http://spark.apache.org/docs/latest/quick-start.html |
Word Count
./frameworks/spark/bin/spark-shell
// 基础版
val textFile = sc.textFile("./frameworks/spark/README.md")
val words = textFile.flatMap(line => line.split(" "))
val exchangeVal = words.map(word => (word,1))
val count = exchangeVal.reduceByKey((a,b) => a + b)
count.collect
// 优化版
sc.textFile("./frameworks/spark/README.md").flatMap(_.split(" ")).map((_,1)).reduceByKey(_ + _).collect
// 带排序
sc.textFile("./frameworks/spark/README.md").flatMap(_.split(" ")).map((_,1)).reduceByKey(_ + _).map(_.swap).sortByKey(false).map(_.swap).collect
// 最终版
val wordR="""\w+""".r
sc.textFile("./frameworks/spark/README.md").flatMap(_.split(" ")).filter(wordR.pattern.matcher(_).matches).map((_,1)).reduceByKey(_ + _).map(_.swap).sortByKey(false).map(_.swap).saveAsTextFile("hdfs://bd:9000/wordcount")| 可以访问 http:// |
在哪配置：
Spark properties （Spark属性）在应用程序中通过SparkConf 对象设置，或通过Java系统属性设置。
Environment variables （环境变量）指定各节点的设置，如IP地址、端口，配置文件在conf/spark-env.sh中。
Logging （日志）可以通过log4j.properties配置日志。
Spark properties
在代码中指定配置
val conf = new SparkConf()
// 指定使用2个本地线程来运行，本地模式下，我们可以使用n个线程（n >= 1），但在像Spark Streaming这样的场景下，我们可能需要多个线程
.setMaster("local[2]")
.setAppName("CountingSheep")
val sc = new SparkContext(conf)在脚本中指定配置
./bin/spark-submit --name "My app" --master local[4] --conf spark.eventLog.enabled=false --conf "spark.executor.extraJavaOptions=-XX:+PrintGCDetails -XX:+PrintGCTimeStamps" myApp.jar
Table 1. 常用配置
| 属性名称 | 默认值 | 说明 |
|---|---|---|
spark.app.name | Spark应用的名字 | |
spark.driver.cores | 1 | 在cluster模式下运行driver进程的核数 |
spark.driver.memory | 1g | driver进程可以用的内存总量（如：1g，2g），client模式下无效果，必须要在命令行里用 –driver-memory 或者在默认属性配置文件里设置 |
spark.executor.memory | 1g | 单个executor使用的内存总量（如，2g，8g） |
spark.master | 集群管理器URL |
Environment variables
环境变量在${SPARK_HOME}/conf/spark-env.sh脚本中设置
Table 2. 常用配置
| 模式 | 属性名称 | 默认值 | 说明 |
|---|---|---|---|
JAVA_HOME | Java安装目录 | ||
SCALA_HOME | Scala安装目录 | ||
SPARK_LOCAL_IP | 本地绑定的IP | ||
SPARK_LOG_DIR | ${SPARK_HOME}/logs | 日志目录 | |
standalone | SPARK_MASTER_IP | （当前IP） | Master IP |
standalone | SPARK_MASTER_PORT | 7077（6066） | Master 端口 |
standalone | MASTER | 默认Master URL | |
standalone | SPARK_WORKER_CORES | 所有 | 每个节点使用的CPU core上限 |
standalone | SPARK_WORKER_MEMORY | 本节点所有内存减去1GB | 每个节点使用的内存上限 |
standalone | SPARK_WORKER_INSTANCES | 1 | 每个节点启动的worker实例个数 |
standalone | SPARK_WORKER_PORT | 随机 | Worker绑定的端口 |
如果你的slave节点性能非常强劲，可以把SPARK_WORKER_INSTANCES设为大于1；相应的，需要设置SPARK_WORKER_CORES参数限制每个worker实例使用的CPU个数，否则每个worker实例都会使用所有的CPU。 |
Logging
日志在${SPARK_HOME}/conf/log4j.properties中设置
Hadoop集群配置
使用HDFS时需要从Hadoop中复制hdfs-site.xml、 core-site.xml到Spark的classpath中
| http://spark.apache.org/docs/latest/configuration.html |
standalone目前只支持简单的先进先出（FIFO）调度器。这个调度器可以支持多用户，你可以控制每个应用所使用的最大资源。默认情况下，Spark应用会申请集群中所有的CPU。
在代码中限制资源
val conf = new SparkConf()
.setMaster(...)
.setAppName(...)
.set("spark.cores.max", "10")
val sc = new SparkContext(conf)在配置文件 spark-env.sh中限制资源
export SPARK_MASTER_OPTS="-Dspark.deploy.defaultCores="
| http://spark.apache.org/docs/latest/tuning.html |
每个节点：
* 4-8块磁盘
* 8G以上内存
* 千兆网卡
* 8-16核CPU
至少3个节点
| http://spark.apache.org/docs/latest/hardware-provisioning.html |
在spark-env.sh中添加配置项
# Hive目录 export HIVE_HOME=$HIVE_HOME
SPARK_CLASSPATH 有些教程中说要添加 |
复制Hive的几个配置文件
cp ./frameworks/hive/conf/hive-site.xml ./frameworks/spark/conf cp ./frameworks/hive/conf/hive-log4j.properties ./frameworks/spark/conf
启动thriftserver，用于对外提供JDBC服务
./frameworks/spark/sbin/start-thriftserver.sh
测试连接
./frameworks/spark/bin/beeline !connect jdbc:hive2://bd:10000 show tables;
以上是“Spark如何安装、配置及基础使用”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！