Spark大数据处理学习笔记（2.2）搭建Spark Standalone集群-编程学习网

一、在master虚拟机上安装配置Spark
1.1 将spark安装包上传到master虚拟机
下载Spark：pyw2
进入/opt目录，查看上传的spark安装包
在这里插入图片描述

2 将spark安装包解压到指定目录
执行命令： tar -zxvf spark-3.3.2-bin-hadoop3.tgz
在这里插入图片描述

修改文件名：mv spark-3.3.2-bin-hadoop3 spark-3.3.2
在这里插入图片描述

3 配置spark环境变量
执行命令：vim /etc/profile
在这里插入图片描述

export SPARK_HOME=/opt/spark-3.3.2export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH

存盘退出后，执行命令：source /etc/profile，让配置生效
在这里插入图片描述

查看spark安装目录（bin、sbin和conf三个目录很重要）
在这里插入图片描述

4 编辑spark环境配置文件
进入spark配置目录后，执行命令：cp spark-env.sh.template spark-env.sh与vim spark-env.sh
在这里插入图片描述

添加三行语句
在这里插入图片描述

export JAVA_HOME=/usr/java/jdk1.8.0_333-amd64export SPARK_MASTER_HOST=masterexport SPARK_MASTER_PORT=7077

存盘退出，执行命令：source spark-env.sh，让配置生效
在这里插入图片描述

5 创建slaves文件，添加从节点
执行命令：vim slaves，添加两个从节点主机名
在这里插入图片描述

二、在slave1虚拟机上安装配置Spark
2.1 把master虚拟机上安装的spark分发给slave1虚拟机
执行命令：scp -r $SPARK_HOME root@slave1:$ SPARK_HOME
在这里插入图片描述

2 将master虚拟机上环境变量配置文件分发到slave1虚拟机
在master虚拟机上，执行命令：scp /etc/profile root@slave1:/etc/profile

在这里插入图片描述

在slave1虚拟机上，执行命令：source /etc/profile，让环境配置生效

在这里插入图片描述

3 在slave1虚拟机上让spark环境配置文件生效
在slave1虚拟机上，进入spark配置目录，执行命令：source spark-env.sh
在这里插入图片描述

三、在slave2虚拟机上安装配置Spark
3.1 把master虚拟机上安装的spark分发给slave2虚拟机
执行命令：scp -r $SPARK_HOME root@slave2:$ SPARK_HOME
在这里插入图片描述

2 把master虚拟机上环境变量配置文件分发到slave2虚拟机
在master虚拟机上，执行命令：scp /etc/profile root@slave2:/etc/profile
在这里插入图片描述

在slave2虚拟机上，执行命令：source /etc/profile，让环境配置生效

在这里插入图片描述

3 在slave2虚拟机上让spark环境配置文件生效
在slave2虚拟机上，进入spark配置目录，执行命令：source spark-env.sh

在这里插入图片描述
四、启动Spark Standalone集群
4.1 启动hadoop的dfs服务
在master虚拟机上执行命令：start-dfs.sh

2 启动Spark集群
执行命令：start-all.sh
在这里插入图片描述

五、访问Spark的WebUI
在浏览器里访问http://master:8080
在这里插入图片描述

在浏览器访问http://slave1:8081
在这里插入图片描述

在浏览器访问http://slave2:8081
在这里插入图片描述

六、启动Scala版Spark Shell
执行命令：spark-shell --master spark://master:7077 （注意–master，两个-不能少）
在这里插入图片描述

在/opt目录里执行命令：vim test.txt

在这里插入图片描述

在HDFS上创建park目录，将test.txt上传到HDFS的/park目录
在这里插入图片描述

读取HDFS上的文件，创建RDD，执行命令：val rdd = sc.textFile(“hdfs://master:9000/park/test.txt”)（说明：val rdd = sc.textFile(“/park/test.txt”)读取的依然是HDFS上的文件，绝对不是本地文件）
在这里插入图片描述

收集rdd的数据，执行命令：rdd.collect
在这里插入图片描述

进行词频统计，按单词个数降序排列，执行命令：val wordcount = rdd.flatMap(.split(" ")).map((, 1)).reduceByKey(_ + ).sortBy(._2, false)与wordcount.collect.foreach(println)
在这里插入图片描述

七、提交Spark应用程序
7.1 提交语法格式
Spark提供了一个客户端应用程序提交工具spark-submit，使用该工具可以将编写好的Spark应用程序提交到Spark集群。
spark-submit的使用格式如下：$ bin/spark-submit [options] [app options]
options表示传递给spark-submit的控制参数；
app jar表示提交的程序JAR包（或Python脚本文件）所在位置；
app options表示jar程序需要传递的参数，例如main()方法中需要传递的参数。
7.2 spark-submit常用参数
除了–master参数外，spark-submit还提供了一些控制资源使用和运行时环境的参数。
在这里插入图片描述

3 案例演示 - 提交Spark自带的圆周率计算程序
进入Spark安装目录
在这里插入图片描述
（1）Standalone模式，采用client提交方式
执行下述命令，将Spark自带的求圆周率的程序提交到集群

bin/spark-submit \ --class org.apache.spark.examples.SparkPi \ --master spark://master:7077 \ ./examples/jars/spark-examples_2.12-3.3.2.jar

在这里插入图片描述

（2）Standalone模式，采用cluster提交方式

bin/spark-submit \--master spark://master:7077 \--deploy-mode cluster \--class org.apache.spark.examples.SparkPi \--driver-memory 512m \--executor-memory 1g \--executor-cores 2 \./examples/jars/spark-examples_2.12-3.3.2.jar

执行命令后，看到State of driver-20230406114733-0000 is RUNNING，就表明运行成功~，否则会显示State of driver-20230406114733-0000 is FAILED
在这里插入图片描述