前言:Spark作为最有可能代替mapreduce的分布式计算框架,正受到广泛的关注。相比Hadoop来说,Spark的中间计算结果存于内存无疑给计算过程节省了很多时间,于是想试试看其与Hadoop有什么不一样的地方,就有了这篇Spark的单机部署与测试笔记。
一、硬件环境
- 操作系统: ubuntu-13.04-desktop-i386
- JAVA: jdk1.7
- SSH配置: openssh-server
二、资源准备
什么是Spark?以下为Spark官网的一句话简介:
Apache Spark™ is a fast and general engine for large-scale data processing.
Spark包资源下载地址:点击进入下载页面
我安装的版本是:0.9.1版本,源码包为:spark-0.9.1.tgz
Spark有以下四种运行模式:
- local:本地单进程模式,用于本地开发测试Spark代码
- standalone:分布式集群模式,Master-Worker架构,Master负责调度,Worker负责具体Task的执行
- on yarn/mesos:运行在yarn/mesos等资源管理框架之上,yarn/mesos提供资源管理,spark提供计算调度,并可与其他计算框架(如MapReduce/MPI/Storm)共同运行在同一个集群之上
- on cloud(EC2):运行在AWS的EC2之上
Spark支持local模式和cluster模式,local不需要安装mesos;如果需要将spark运行在cluster上,需要安装mesos。
三、安装部署
先把Scala和git装好,因为之后的sbt/sbt执行的是使用spark自带的sbt编译/打包。
sudo apt-get update sudo apt-get install scala
我们需要做的其实就两步,解压缩与编译。
$tar -zxvf spark-0.9.1.tgz -C /home/hadoop/software/spark $cd /home/hadoop/software/spark/spark-0.9.1 $sbt/sbt assembly
这一段时间等的会比较长,耐心些。
四、检验测试
Spark有两种运行模式。
4.1 Spark-shell
此模式用于interactive programming,具体使用方法如下(先进入bin文件夹)。
$ ./spark-shell
出现如下信息:
14/05/10 14:18:23 INFO HttpServer: Starting HTTP Server Welcome to ____ __ / __/__ ___ _____/ /__ _ / _ / _ `/ __/ '_/ /___/ .__/_,_/_/ /_/_ version 0.9.1 /_/ Using Scala version 2.10.3 (Java HotSpot(TM) Server VM, Java 1.7.0_51) Type in expressions to have them evaluated. Type :help for more information. 14/05/10 14:18:34 INFO Slf4jLogger: Slf4jLogger started 14/05/10 14:18:34 INFO Remoting: Starting remoting 14/05/10 14:18:34 INFO Remoting: Remoting started; …… Created spark context.. Spark context available as sc.
然后输入如下信息:
scala> val days = List("Sunday", "Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday") days: List[java.lang.String] = List(Sunday, Monday, Tuesday, Wednesday, Thursday, Friday, Saturday) scala> val daysRDD = sc.parallelize(days) daysRDD: spark.RDD[java.lang.String] = ParallelCollectionRDD[0] at parallelize at <console>:14 scala> daysRDD.count()
在经过一系列计算后,显示如下信息:
res0: Long = 7
4.2 Run脚本
用于运行已经生成的jar包中的代码,如Spark自带的example中的SparkPi.
$./bin/run-example org.apache.spark.examples.SparkPi local[3]
local代表本地,[3]表示3个线程跑。
计算结果如下:
Pi is roughly 3.1444
五、学习建议
在配置过程中看到他人给的一些建议,于是搜集起来供以后学习参考。
- 如何写一些spark application?
多看一些spark例子,如:http://www.spark-project.org/examples.html,https://github.com/mesos/spark/tree/master/examples
- 遇到问题怎么办?
首先是google遇到的问题,如果还是解决不了就可以到spark google group去向作者提问题:http://groups.google.com/group/spark-users?hl=en
- 想深入理解spark怎么办?
阅读spark的理论paper:http://www.eecs.berkeley.edu/Pubs/TechRpts/2011/EECS-2011-82.pdf
阅读spark源代码:https://github.com/mesos/spark
作者:hijiangtao
新浪微博:@hijiangtao
技术博客:Data.Blog
End.