【李老师云计算】Spark配置及Scala实现100个随机数找最大值

前言

直接进入正题吧。

带★的是可能遇到的问题可以看一下，以防后续操作出问题。

内容可能来自博主自己手搓、吸取同学的经验、网络上内容的整合等等，仅供参考，更多内容可以查看大三下速通指南专栏。

1. Spark部署

有了前几次的经验这次就简单一点了。

1.1 Spark下载

直接在官网下载的spark-2.4.0，注意是下载这个153M的压缩包。

1.2 解压Spark

首先把压缩包放到/usr/local目录下

然后依次执行下面的指令(在哪里打开终端都行)：

1. cd /usr/local
2. tar -zxvf spark-2.4.0-bin-without-hadoop.tgz
3. mv spark-2.4.0-bin-without-hadoop spark
4. chown -R root:root spark

此时你的/usr/local目录下就有spark目录了。

1.3 修改环境变量

首先vi /etc/profile，在文件的末尾加入以下内容：

export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin
export JAVA_LIBRARY_PATH=/user/hadoop/hadoop-3.3.1/lib/native

第三行是Hadoop路径/lib/native，根据自己的调整！

:wq保存后关闭，之后使用指令source /etc/profile刷新一下。

1.4 修改主机Spark配置文件

配置文件的路径是/usr/local/spark/conf。

1.4.1 slaves.template文件配置

cd /usr/local/spark/conf 进入配置文件目录

cp slaves.template slaves 将文件重命名为slaves

vi slaves 进入修改文件，后面添加上两个从机的主机名(根据自己的改！)

1.4.2 spark-env.sh.template文件配置

这里一定要仔细修改！大部分问题都出自这里。

cp spark-env.sh.template spark-env.sh 重命名为spark-env.sh

vi spark-env.sh 进入修改文件，在文件末尾添加以下内容：

export SPARK_DIST_CLASSPATH=$(/user/hadoop/hadoop-3.3.1/bin/hadoop classpath)
export HADOOP_CONF_DIR=/user/hadoop/hadoop-3.3.1/etc/hadoop
export SPARK_MASTER_IP= master60
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.362.b08-1.el7_9.x86_64
export HADOOP_HOME=/user/hadoop/hadoop-3.3.1
export SPARK_WORKER_MEMORY=1024m
export SPARK_WORKER_CORES=1

其中第1、2、5行是修改Hadoop的路径；第3行修改主机的主机名；第4行是JDK的路径；第6、7行不需要改。

如果忘了在哪里可以看一下自己的~/.bashrc或者/etc/profile文件之前配置过的。

1.5 分享主机Spark到从机

在主机依次进行以下操作：

1. cd /usr/local
2. tar -zcf spark.master.tar.gz spark
3. scp spark.master.tar.gz slave1-60:/usr/local/spark.master.tar.gz（修改为从机1的主机名）
4. scp spark.master.tar.gz slave2-60:/usr/local/spark.master.tar.gz（修改为从机2的主机名）

在两个从机依次执行以下操作(两台从机都执行依次！)：

1. cd /usr/local
2. tar -zxf spark.master.tar.gz
3. chown -R root /usr/local/spark

1.6 启动Spark集群(★重启后的操作)

在主机使用下面两个指令即可：

1. /user/hadoop/hadoop-3.3.1/sbin/start-all.sh（启动Hadoop）
2. /usr/local/spark/sbin/start-all.sh(启动Spark)

注意路径！注意路径！注意路径！Hadoop路径可能与我的不同。

这里就会出现问题，Spark和Hadoop都有start-all.sh的指令并且都被写到了环境变量中，你直接使用start-all.sh大概率是会用Spark的指令。为了避免这种不必要的误会，之后再重启请使用完整的路径来start-all.sh。

并且这次实验与上一次没关系，不需要打开Zookeeper以及HBase。

1.7 通过jps查看是否启动成功

在主机上jps可以看到至少以下两个进程：

在从机上jps可以看到至少以下两个进程：

1.8 通过网页查看是否启动成功

浏览器打开主机的主机名或IP:8080。

打不开就把三台虚拟机重启之后按照1.6操作一遍。

再查看一下spark-shell，退出的指令是:quit有:的！！！，如果不正常退出，之后再启动可能也打不开4040端口。

再看一下4040端口，注意需要运行spark-shell才能进入，上图也可以看的出来再使用了spark-shell之后才开启了这个端口。

连接失败是因为没开spark-shell。

一直加载打不开，可能是因为强制关闭了spark-shell，虚拟机重开再打开服务可以解决。

2. Scala Maven项目访问Spark(local模式)100个随机数求最大值

19级是单词计数，感兴趣可以看一下涛哥的博客。

2.1 下载Scala IDE

直接下载，点了之后就下载了。

2.2 解压Scala IDE

拖到usr/local。

终端通过指令解压一下：tar -zxvf scala-SDK-4.7.0-vfinal-2.12-linux.gtk.x86_64.tar.gz

解压出来的是一个eclipse目录，

之后的编程是通过这个目录中的eclipse！不要用桌面上的！

2.3 下载Scala(主机+从机)

注意确保Spark版本是2.4.0(前面下载的就是)

直接依次执行以下操作：

1. cd /usr/local
2. wget https://downloads.lightbend.com/scala/2.11.8/scala-2.11.8.tgz
3. tar -zxvf scala-2.11.8.tgz
4. mv scala-2.11.8 scala

2.4 添加环境变量(主机+从机)

vi /etc/profile 进入文件在末尾添加以下内容：

export SCALA_HOME=/usr/local/scala
export PATH=$PATH:$SCALA_HOME/bin

然后source /etc/profile刷新一下。

在终端输入scala看一下是否配置成功，:quit退出。

注意！Scala主机从机都需要下载，也就是2.3、2.4三台虚拟机都要操作。

2.5 创建Scala项目

打开Scala IDE，

创建一个Scala项目，

随便起了个名，无所谓的，

右键项目 ->Configure ->Convert to Maven Project，

没改直接下一步了，后面还可以在pom.xml里改，

然后右键src -> new ->Scala Object，名字随便起。

2.6 完成Scala项目(最大值)

2.6.1 Object代码

把主机名全改了！

import org.apache.spark.{SparkConf, SparkContext}object MaxNumber {def main(args: Array[String]) {val conf = new SparkConf().setAppName("MaxNumber").setMaster("local")val sc = new SparkContext(conf)val randoms = sc.parallelize(Seq.fill(100)(scala.util.Random.nextInt()))val max = randoms.max()println(s"The maximum number is: $max")// 将随机数和最大值保存到 HDFS 目录val outputPath = "hdfs://192.168.64.60:9000/tmp/maxnumber"randoms.saveAsTextFile(outputPath + "/randoms")sc.parallelize(Seq(max)).saveAsTextFile(outputPath + "/max")sc.stop()}
}

2.6.2 pom.xml添加依赖

打开pom.xml，添加以下内容：

    <dependencies><!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core --><dependency><groupId>org.apache.spark</groupId><artifactId>spark-core_2.11</artifactId><version>2.4.0</version></dependency></dependencies>

2.6.3 设置Scala Complier

右键项目，打开Properties，

按照下图选择Scala Compiler然后确认，

2.6.4 设置Maven

两个地方要改。

点击Window -> Preferences -> Maven -> Installations。

添加了以后记得选上，

点击Window -> Preferences -> Maven -> User Settings。

2.6.5 添加Spark的jar包

右键项目 ->Build Path ->Configure Build Path。

上次做过这个，直接添加就行了，

添加的路径是/usr/local/spark/jars，直接ctrl+A全选添加就可以。

2.7 运行程序

……卡的要命，我又多分配了点运存之后才好一点。

Run As ->Scala Application。

分析一下代码，

运行成功之后，

打开9870端口的网页，打开HDFS的目录

进去以后打开tmp文件，

进入到tmp/maxnumber看一下，

具体怎么看用max演示一下，

OK！到此结束。

2.8 ★解决内存问题、其他问题

如果运行报错内存什么什么玩意，

在Run Configurations的Arguments的VM arguments里添加一句：

-Xmx512m。

或者是给虚拟机多分配点内存……大概。

其他问题一般重启虚拟机然后重开Hadoop以及Spark就行了。