下面給出的是spark集羣搭建的環境：
操作系統：最小安裝的CentOS 7（下載地址）
Yarn對應的hadoop版本號：Hadoop的Cloudera公司發行版Hadoop2.6.0-CDH5.4.0（下載地址）
Java版本號：JDK1.8（下載地址）
Scala版本號：Scala2.10.4（下載地址）
Spark版本號：spark-1.3.1-bin-hadoop2.6（下載地址）
集羣組成：master 192.168.1.2
slave1 192.168.1.3
slave2 192.168.1.4
slave3 192.168.1.5
1、 操作系統的安裝
我覺得這個就沒必要說了，下載一個虛擬機或者直接在真機安裝，比較簡單，不再贅述。
2、 Java的安裝
請參看我的博文《Jdk1.8在CentOS7中的安裝與配置》有詳細說明。
3、 Scala的安裝
請參看我的博文《Scala2.10.4在CentOS7中的安裝與配置》有詳細說明。
4、 Yarn的部署
Yarn是由Hadoop2.x發展而來，是Hadoop1.x的JobTracker和TaskTracker的升級版本，是hadoop2.x的資源調度工具。搭建Hadoop2.x環境的時候，yarn會自動被搭建好，所以，我們只需要搭建hadoop環境即可。
Hadoop具體環境搭建，請參看我的博文《Hadoop2.6.0在CentOS 7中的集羣搭建》有詳細說明。
5、 Spark的集羣搭建
a) 首先，從官網下載spark1.3.1對應hadoop2.6.0的版本（注：以下所有操作都在超級用戶模式下進行！）
b) 在主節點master的root/app的目錄下，解壓下載好的spark-1.3.1-bin-hadoop2.6.tgz：
tar –xzvf spark-1.3.1-bin-hadoop2.6.tgz
c) 配置Spark的環境變量：
i. vi /etc/profile
ii. 在文件最後添加：
## SPARK export SPARK_HOME=spark的絕對路徑（我這邊是：/root/app/spark-1.3.1-bin-hadoop2.6） export PATH=$PATH:$SPARK_HOME/bin
d) Spark的相關文件配置
i. slaves的配置：
-
- vi slaves
- 添加從節點slave名稱：
slave1
slave2
slave3
ii. spark-env.sh的配置
-
- vi spark-env.sh
- 向文件添加：
export JAVA_HOME=Java安裝的絕對路徑（我這邊是：/root/app/jdk1.8） export SCALA_HOME=Scala安裝的絕對路徑（我這邊是：/root/app/scala2.10） export HADOOP_CONF_DIR=hadoop環境下的配置文件目錄etc/hadoop的絕對路徑（我這邊是：/root/app/hadoop-2.6.0-cdh5.4.0/etc/Hadoop） export SPARK_MASTER_IP=主節點IP或主節點IP映射名稱（我這邊是：master） export SPARK_MASTER_PORT=主節點啓動端口（默認7077） export PARK_MASTER_WEBUI_PORT=集羣web監控頁面端口（默認8080） export SPARK_WORKER_CORES=從節點工作的CPU核心數目（默認1） export SPARK_WORKER_PORT=從節點啓動端口（默認7078） export SPARK_WORKER_MEMORY=分配給Spark master和 worker 守護進程的內存空間（默認512m） export SPARK_WORKER_WEBUI_PORT=從節點監控端口（默認8081） export SPARK_WORKER_INSTANCES=每臺從節點上運行的worker數量 (默認: 1). PS：當你有一個非常強大的計算的時候和需要多個Spark worker進程的時候你可以修改這個默認值大於1 . 如果你設置了這個值。要確保SPARK_WORKER_CORE 明確限制每一個worker的核心數, 否則每個worker 將嘗試使用所有的核心。
3. 我這邊的yarn部署是按照spark配置文件的默認部署的，如果你想根據實際情況來部署的話，可以修改一下文件：
|
1
2
3
4
5
6
7
8
9
|
# - HADOOP_CONF_DIR, to point Spark towards Hadoop configuration files# - SPARK_EXECUTOR_INSTANCES, Number of workers to start (Default:
2)# - SPARK_EXECUTOR_CORES, Number of cores
for the workers (Default:
1).# - SPARK_EXECUTOR_MEMORY, Memory per Worker (e.g. 1000M, 2G) (Default: 1G)# - SPARK_DRIVER_MEMORY, Memory
for Master (e.g. 1000M, 2G) (Default:
512 Mb)# - SPARK_YARN_APP_NAME, The name of your application (Default: Spark)# - SPARK_YARN_QUEUE, The hadoop queue to use
for allocation requests# - SPARK_YARN_DIST_FILES, Comma separated list of files to be distributed with the job.# - SPARK_YARN_DIST_ARCHIVES, Comma separated list of archives to be distributed with the job. |
iii. Spark文件複製：
將配置好的Spark文件複製到各個從節點slave對應的目錄上：
scp spark-1.3.1-bin-hadoop2.6/ root@slave1:/root/app scp spark-1.3.1-bin-hadoop2.6/ root@slave2:/root/app scp spark-1.3.1-bin-hadoop2.6/ root@slave3:/root/app
6、 Spark On Yarn的集羣啓動：
a) Yarn的啓動：
i. 先進入hadoop目錄下
ii. ./sbin/start-all.sh
iii. jps發現有ResourceManager進程，說明yarn啓動完成
b) Spark的啓動：
i. 先進入spark目錄下
ii. ./sbin/start-all.sh
iii. jps主節點發現有Master進程，jps從節點有Worker進程，說明spark啓動完成
c) Spark監控頁面，我就不測試了，一般都是masterIP：8080，如有打不開監控頁面的問題也是防火牆沒有被禁用的問題，請參看我的博文《Hadoop環境搭建過程中可能遇到的問題》 裏面的問題2有詳細說明。
7、至此，Spark On Yarn的集羣搭建完成。