Spark-1.4.0单机部署（Hadoop-2.6.0采用伪分布式）【已测】

??目前手上只有一个机器，就先拿来练下手（事先服务器上没有安装软件）尝试一下Spark的单机部署。

??几个参数：
??JDK-1.7+
??Hadoop-2.6.0（伪分布式）；
??Scala-2.10.5；
??Spark-1.4.0；
??下面是具体的配置过程

• 安装JDK 1.7+
  【下载网址】http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

  • 环境变量设置（最好不要采用openjdk）：

    export JAVA_HOME=/usr/java/java-1.7.0_71
    export JRE_HOME=$JAVA_HOME/jre
    export PATH=$PATH:$JAVA_HOME/bin
    export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar

  • 更新重启环境变量
    $ source /etc/profile

  • 测试
    $ java -version

• 下载安装scala-2.10.5
  【下载网址】http://www.scala-lang.org/download/2.10.5.html
  下载对对对应的压缩包

  $ tar -zxf scala-2.10.5.tgz
  $ sudo mv scala-2.10.5 /usr/local

  配置环境变量：
  export SCALA_HOME=/usr/local/scala-2.11.4
export PATH=$SCALA_HOME/bin:$PATH
  更新启动环境变量
  source /etc/profile
  测试scala安装是否成功
  $ scala -version

• 【亲测】安装Hadoop（需要修改Hadoop的情况下，手动编译）
  【安装Hadoop的参考网址】http://qindongliang.iteye.com/blog/2222145

  • 安装依赖
    sudo yum install -y autoconf automake libtool git gcc gcc-c++ make cmake openssl-devel,ncurses-devel bzip2-devel

  • 安装Maven3.0+
    【下载网址】http://archive.apache.org/dist/maven/maven-3/3.0.5/binaries/

    • 解压
      tar -xvf apache-maven-3.0.5-bin.tar.gz
    • 移动文件
      mv -rf apache-maven-3.0.5 /usr/local/

    • 配置环境变量

      MAVEN_HOME=/usr/local/apache-maven-3.0.5
      export MAVEN_HOME
      export PATH=${PATH}:${MAVEN_HOME}/bin

    • 使生效
      source /etc/profile

    • 检查是否安装成功 mvn -v

  • 安装ant1.8+
    【下载网址】http://archive.apache.org/dist/ant/binaries/

    • 环境变量

      export ANT_HOME=/usr/local/apache-ant-1.8.4
      export PATH=$ANT_HOME/bin:$PATH

    • 测试
      ant -version

  • 安装 protobuf-2.5.0.tar.gz

    • 解压
      tar xvf protobuf-2.5.0.tar.gz
    • 安装
      cd protobuf-2.5.0
./configure --prefix=/usr/local/protobuf
make
nake install

    • 环境变量

      export PATH=$PATH:/usr/local/protobuf/bin
      export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/protobuf/lib

    • 测试
      protoc --version
      如果输出libprotoc 2.5.0表示安装成功。

  • 安装snappy1.1.0.tar.gz（可选选项，如果需要编译完的Hadoop支持Snappy压缩，需要此步骤）
    
    • 安装
      ./configure --prefix=/usr/local/snappy #指定的一个安装目录
      make
make install
  • 安装hadoop-snappy
    
    • git下载地址
      git clone https://github.com/electrum/hadoop-snappy.git
    • 打包
      下载完成后
      cd hadoop-snappy
      执行maven打包命令
      mvn package -Dsnappy.prefix=/home/search/snappy
    • 验证
      
      ?这个目录就是编译后的snappy的本地库，在
      hadoop-snappy/target/hadoop-snappy-0.0.1-SNAPSHOT-tar/hadoop-snappy-0.0.1-SNAPSHOT/lib目录下，有个hadoop-snappy-0.0.1-SNAPSHOT.jar，在hadoop编译后，需要拷贝到$HADOOP_HOME/lib目录下。
      ?【备注】整个过程中使用到的包都放在/root/下面。
  • 安装Hadoop
    
    • 安装(下载hadoop-2.6.0-src.tar.gz是hadoop的源码)
      【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
      【也可以直接获取】wget http://archive-primary.cloudera.com/cdh5/cdh/5/hadoop-2.6.0-cdh5.4.1-src.tar.gz
    • 解压
      tar -zxvf hadoop-2.6.0-cdh5.4.1-src.tar.gz
    • 解压后进入根目录,执行下面这个编译命令，就能把snappy库绑定到hadoop的本地库里面，这样就可以在所有的机器上跑了
      mvn clean package -DskipTests -Pdist,native -Dtar -Dsnappy.lib=(hadoop-snappy里面编译后的库地址) -Dbundle.snappy
      ?中间会报一些异常，无须关心，如果报异常退出了，就继续执行上面这个命令，直到成功为止，一般速度会跟你的网速有关系，大概40分钟左右，最后会编译成功。

• 【最终选择】安装Hadoop（无需修改Hadoop时直接下载编译好的Hadoop文件）

  • 安装(下载已经编译好的hadoop-2.6.0.tar.gz)
    【下载网址】http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/
  • 解压安装在/usr/local/
  • 改名为hadoop，即最终路径：/usr/local/hadoop下同。

单机部署Hadoop（伪分布式）

• Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中（很多的xml文件），伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml。
• 修改配置文件 core-site.xml (vim /usr/local/hadoop/etc/hadoop/core-site.xml)
  将当中的

<configuration>
</configuration>

修改为下面配置：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

• 修改配置文件 hdfs-site.xml(同理)

<configuration>
<property>
    <name>dfs.replication</name>
    <value>1</value>
</property>
<property>
    <name>dfs.namenode.name.dir</name>
    <value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
    <name>dfs.datanode.data.dir</name>
    <value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
</configuration>

【注意】不说明的话都是目录的起始位置都是：hadoop/

• 配置完成后，执行 namenode 的格式化:
  bin/hdfs namenode -format
  成功的话，会看到successfully formatted的提示，且输出信息的倒数第5行的提示如下，Exitting with status 0 表示成功，若为 Exitting with status 1 则是出错。若出错，可试着加上 sudo, 既 sudo bin/hdfs namenode -format 再试试看。
• 开启NameNode、DataNode守护进程
  sbin/start-dfs.sh
  【注意】若你使用的是 Hadoop 2.4.1 64位，则此时可能会出现一连串的warn提示，如 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 这个提示，这些warn提示可以忽略，不会影响正常使用。
• 查看进程
  输入jps即可
  成功启动则会列出如下进程: NameNode、DataNode和SecondaryNameNode
• Hadoop-webUI
  在浏览器中输入http://localhost:50070（localhost或者是服务器ip）
  【注意】如无法访问，先检查防火墙是否是关闭状态（应当是关闭状态）。
• 注意（配置过程中遇到）
  在这一步以及后面启动 Hadoop 时若提示 Error: JAVA_HOME is not set and could not be found. 的错误，则需要在文件 hadoop/etc/hadoop/hadoop-env.sh 中设置 JAVA_HOME 变量，即找到 export JAVA_HOME=${JAVA_HOME} 这一行，改为 export JAVA_HOME=/usr/lib/jvm/java-7-openjdk-amd64 (就是之前设置的JAVA_HOME位置)，再重新尝试即可。
• 关闭NameNode、DataNode守护进程
  sbin/stop-dfs.sh

单机部署Spark

• 下载
  wget http://archive.apache.org/dist/spark/spark-1.4.0/spark-1.4.0-bin-hadoop2.6.tgz
• 解压并修改名字为spark
• 环境变量

export SPARK_HOME=/usr/local/spark
export PATH=$PATH:$SPARK_HOME/bin

• 配置Spark环境变量
  cd $SPARK_HOME/conf
cp spark-env.sh.template spark-env.sh
vim spark-env.sh
  添加如下代码：

export JAVA_HOME=/usr/java/latest
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
export SCALA_HOME=/usr/local/scala-2.10.5
export SPARK_HOME=/usr/local/spark
export SPARK_MASTER_IP=127.0.0.1
export SPARK_MASTER_PORT=7077
export SPARK_MASTER_WEBUI_PORT=8099
export SPARK_WORKER_CORES=3
export SPARK_WORKER_INSTANCES=1
export SPARK_WORKER_MEMORY=10G
export SPARK_WORKER_WEBUI_PORT=8081
export SPARK_EXECUTOR_CORES=1
export SPARK_EXECUTOR_MEMORY=1G
#export SPARK_CLASSPATH=/opt/hadoop-lzo/current/hadoop-lzo.jar
#export SPARK_CLASSPATH=$SPARK_CLASSPATH:$CLASSPATH
export LD_LIBRARY_PATH=${LD_LIBRARY_PATH}:$HADOOP_HOME/lib/native

• 配置Slave
  cp slaves.template slaves
vim slaves
  添加以下代码（默认就是localhost）：

localhost

• 因为是单机ssh免登陆不再赘述
• 启动Spark Master
  目录：cd $SPARK_HOME/sbin/
./start-master.sh
• 启动Spark Slave
  目录：cd $SPARK_HOME/sbin/
./start-slaves.sh（注意是slaves）
• 启动Spark-shell（application）
  ./spark-shell –master spark://127.0.0.1:7077
• Spark-webUI
  http://localhost:8099（localhost或者是服务器ip）
  如下所示：
  
• 关闭master和slave
  目录：cd $SPARK_HOME/sbin/
./stop-master.sh
./stop-slaves.sh