安装Hadoop及Spark(Ubuntu 16.04)

安装JDK

• 下载jdk(以jdk-8u91-linux-x64.tar.gz为例)

• 新建文件夹

  sudo mkdir /usr/lib/jvm

• 解压下载的jdk文件并移动到新建的文件夹下

  sudo tar -xzvf jdk-8u91-linux-x64.tar.gz -C /usr/lib/jvm

• 进入jvm文件夹并重命名解压出来的文件夹

  cd /usr/lib/jvm
  sudo mv jdk1.8.0_91 jdk

• 添加环境变量

  sudo vim /etc/profile
  # 添加如下配置
  export JAVA_HOME=/usr/lib/jvm/jdk
  export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$CLASSPATH
  export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH

• 使配置生效

  source /etc/profile

• 测试

  java -version

安装Scala

• 类似于jdk的安装

• 下载scala(以scala-2.11.8.tgz为例)

• 解压下载的scala文件

  sudo tar -xzvf scala-2.11.8.tgz -C /usr/local

• 重命名

  cd /usr/local
  sudo mv scala-2.11.8 scala

• 添加环境变量

  sudo vim /etc/profile
  # 在最后添加下面内容
  export SCALA_HOME=/usr/local/scala
  export PATH=$SCALA_HOME/bin:$PATH

• 使配置生效

  source /etc/profile

• 测试

  scala -version

安装Hadoop

Spark默认使用HDFS充当持久化层,所以需要安装Hadoop,当然也可以不安装

参考

• 安装单机/伪分布式
• 安装集群

安装

• 安装ssh

  sudo apt install openssh-server

• 配置ssh无密登陆

  ssh-keygen -t rsa    # 一直回车
  cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys

• 测试ssh无密登陆

  ssh localhost # 如果不提示输入密码则配置成功

• 下载Hadoop(以hadoop-2.7.2.tar.gz为例)

• 解压

  sudo tar -xzvf hadoop-2.7.2.tar.gz -C /usr/local

• 重命名

  cd /usr/local
  sudo mv hadoop-2.7.2 hadoop

• 修改权限

  cd /usr/local
  sudo chown -R yourusername:yourusername hadoop

• 配置环境变量

  sudo vim /etc/profile
  # 在最后添加下面代码
  export HADOOP_HOME=/usr/local/hadoop
  export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

• 测试

  hadoop version

Hadoop伪分布式配置

• 修改配置文件core-site.xml

  cd /usr/local/hadoop
  vim ./etc/hadoop/core-site.xml
  # 修改为如下
  <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

  cd /usr/local/hadoop
  vim ./etc/hadoop/hdfs-site/xml
  # 修改为如下
  <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>

• 修改配置文件hadoop-env.sh

  cd /usr/local/hadoop
  vim ./etc/hadoop/hadoop-env.sh
  # 将 export JAVA_HOME=${JAVA_HOME} 更改为:
  export JAVA_HOME=/usr/lib/jvm/jdk

• 执行NameNode格式化

  hdfs namenode -format

• 运行

  start-dfs.sh

• 测试

  jps

  有如下几个进程

  5939 Jps
  5636 DataNode
  5493 NameNode
  5814 SecondaryNameNode

• 通过浏览器查看

  在浏览器中输入一下地址:localhost:50070

配置YARN

• 修改配置文件mapred-site.xml

  cd /usr/local/hadoop
  cp ./etc/hadoop/mapred-site.xml.template ./etc/hadoop/mapred-site.xml
  vim ./etc/hadoop/mapred-site.xml
  # 修改为如下配置
  <configuration>
          <property>
               <name>mapreduce.framework.name</name>
               <value>yarn</value>
          </property>
  </configuration>

• 修改配置文件yarn-site.xml

  cd /usr/local/hadoop
  vim ./etc/hadoop/yarn-site.xml
  # 修改为以下配置
  <configuration>
          <property>
               <name>yarn.nodemanager.aux-services</name>
               <value>mapreduce_shuffle</value>
              </property>
  </configuration>

• 编写启动脚本

  #!/bin/bash
  # 启动hadoop
  start-dfs.sh
  # 启动yarn
  start-yarn.sh
  # 启动历史服务器,以便在Web中查看任务运行情况
  mr-jobhistory-daemon.sh start historyserver

• 编写停止脚本

  #!/bin/bash
  # 停止历史服务器
  mr-jobhistory-daemon.sh stop historyserver
  # 停止yarn
  stop-yarn.sh
  # 停止hadoop
  stop-dfs.sh

• 通过 Web 界面查看任务的运行情况

  浏览器中输入地址:localhost:8088

安装Spark

• 下载spark(以spark-2.0.0-bin-hadoop2.7.tgz为例)

• 解压下载的spark文件

  sudo tar -zxf spark-2.0.0-bin-hadoop2.7.tgz -C /usr/local

• 重命名

  cd /usr/local
  sudo mv spark-2.0.0-bin-hadoop2.7 spark

• 添加环境变量

  sudo vim /etc/profile
  # 在最后添加下面内容
  export SPARK_HOME=/usr/local/spark
  export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH

• 修改一下权限

  cd /usr/local
  sudo chown -R yourusername:yourusername ./spark

• 拷贝配置文件

  cd /usr/local/spark
  cp ./conf/spark-env.sh.template ./conf/spark-env.sh

• 修改配置文件

  cd /usr/loca/spark
  vim ./conf/spark-env.sh
  # 添加下面一行
  export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)
  export JAVA_HOME=/usr/lib/jvm/jdk

• 运行简单示例

  /usr/local/spark/bin/run-example SparkPi 2>&1 | grep "Pi is roughly"

• 启动Spark

  /usr/local/spark/sbin/start-all.sh

• 编写脚本

  启动Hadoop以及Spark

  #!/bin/bash
  # 启动Hadoop以及yarn
  start-dfs.sh
  start-yarn.sh
  # 启动历史服务器
  mr-jobhistory-daemon.sh start historyserver
  # 启动Spark
  /usr/local/spark/sbin/start-all.sh

  停止Hadoop以及Spark

  #!/bin/bash
  # 停止Spark
  stop-dfs.sh
  stop-yarn.sh
  # 停止历史服务器
  mr-jobhistory-daemon.sh stop historyserver
  # 停止Hadoop以及yarn
  /usr/local/hadoop/sbin/stop-all.sh

• 通过WEB页面查看

  浏览器中输入地址:localhost:8080