【Spark征服之路-2.1-安装部署Spark（一）】
-
实验目标：
本节课实验将完成Spark 4种部署模式的其中2种，分别是Local、Standalone模式。
-
实验准备工作：
- 三台linux虚拟机
- spark的压缩包
-
实验步骤：
Spark-local
Spark的Local模式仅需要单个虚拟机节点即可，无需启动hadoop集群。实验步骤如下：
1. 将spark的安装包上传到虚拟机node01中（建议路径：/opt/software/spark）并解压缩文件。将解压文件夹重命名为spark-local
解压：tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz
重命名：mv spark-3.0.0-bin-hadoop3.2.tgz spark-local
2. 启动Local环境。进入spark-local中，执行如下命令：
bin/spark-shell
启动成功后，可以输入网址进行Web UI监控页面进行访问。（默认端口为4040）
3. 命令行工具
在解压缩文件夹下的 data 目录中，添加 word.txt 文件。
在命令行工具中执行如下代码指令。
sc.textFile("data/word.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
4. 退出本地模式
Ctrl+C 或者输入scala命令:quit
5. 提交测试应用
在spark-local路径中输入以下指令：
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master local[2] \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10
指令说明：
1) --class 表示要执行程序的主类，此处可以更换为咱们自己写的应用程序
2) --master local[2] 部署模式，默认为本地模式，数字表示分配的虚拟 CPU 核数量
3) spark-examples_2.12-3.0.0.jar 运行的应用类所在的 jar 包，实际使用时，可以设定为咱们自己打的 jar 包
4) 数字 10 表示程序的入口参数，用于设定当前应用的任务数量
运行结果：
Spark-standalone
Spark的独立部署模式可以类比HDFS的完全分布式安装，在这个模式中只会使用Spark自身节点来运行集群，Spark-standalone体现了经典的master-slave模式。
集群规划：
| node01 | node02 | node03 | |
| Spark | Master Worker | Worker | Worker |
实验步骤：
1. 解压缩文件。将解压后的文件夹重命名为spark-standalone。
mv spark-3.0.0-bin-hadoop3.2 spark-standalone
在node02、node03节点上分别创建spark文件夹（路径为/opt/software/spark）
2. 修改配置文件
①进入spark-standalone的 conf 目录，修改 slaves.template文件名为 slaves
mv slaves.template slaves
②修改slaves文件，添加worker节点
vi slaves
③修改 spark-env.sh.template 文件名为 spark-env.sh
mv spark-env.sh.template spark-env.sh
④修改 spark-env.sh 文件，添加Java的环境变量和集群对应的 master 节点
vi spark-env.sh
⑤分发 spark-standalone 目录（需要提前在node02、node03节点的对应路径创建spark文件夹）
scp -r spark-standalone node02:/opt/software/spark
scp -r spark-standalone node03:/opt/software/spark
启动集群
①在spark-standalone路径下执行脚本命令
sbin/start-all.sh
②查看三台节点的运行进程
③查看Master资源监控Web UI界面 node01:8080
④提交测试应用
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://node01:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10
参数说明：
1) --class 表示要执行程序的主类
2) --master spark://node01:7077 独立部署模式，连接到 Spark 集群
3) spark-examples_2.12-3.0.0.jar 运行类所在的 jar 包
4) 数字 10 表示程序的入口参数，用于设定当前应用的任务数量
执行任务时，节点会产生多个Java进程
执行任务时，默认采用服务器集群节点的总核数，每个节点内存 1024M。
配置历史服务
由于 spark-shell 停止掉后，集群监控 node01:4040 页面就看不到历史任务的运行情况，所以 开发时都配置历史服务器记录任务运行情况。
①修改 spark-defaults.conf.template 文件名为 spark-defaults.conf
mv spark-defaults.conf.template spark-defaults.conf
②修改 spark-default.conf 文件，配置日志存储路径
注意：需要启动 hadoop 集群，HDFS 上的 directory 目录需要提前存在。
hdfs dfs -mkdir /directory
③修改 spark-env.sh 文件, 添加日志配置
export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080
-Dspark.history.fs.logDirectory=hdfs://node01:9000/directory
-Dspark.history.retainedApplications=30"
参数含义：
⚫ 参数 1 含义：WEB UI 访问的端口号为 18080
⚫ 参数 2 含义：指定历史服务器日志存储路径
⚫ 参数 3 含义：指定保存 Application 历史记录的个数，如果超过这个值，旧的应用程序信息将被删除，这个是内存中的应用数，而不是页面上显示的应用数。
④分发配置文件
scp -r spark-defaults.conf node02:$PWD
scp -r spark-defaults.conf node03:$PWD
scp -r spark-env.sh node02:$PWD
scp -r spark-env.sh node03:$PWD
⑤重新启动spark集群并启动历史服务
sbin/stop-all.sh
sbin/start-all.sh
sbin/start-history-server.sh
⑥重新执行任务
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master spark://node01:7077 \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10
⑦查看历史任务 node01:18080
