spark 2.1.0安装指南完整版

Spark的资料非常多，但是完整介绍Spark安装的资料却非常少见，本文就是记录一下安装配置Spark2.1.0的过程，希望能对大家有所帮助。

首先第一步是安装JDK，我们最好下载JDK8版本。由于Oracle上下载JDK需要同意协议条款，需要在浏览器上下载才行。而我们云服务器，通常都没有图形界面，我们可以在本机上下载下来，传到服务器上去，但是这个太麻烦了。在这里给大家介绍一个变通的方法。在Windows机器上，进入JDK下载界面，http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html，选择同意条款，浏览器就会开始下载JDK8。这时我们可以看到下载地址，把这个下载地址复制下来，用SSH登录到云服务器，运行如下命令：

wget -c http://download.oracle.com/otn-pub/java/jdk/8u121-b13/e9e7ea248e2c4826b92b3f075a80e441/jdk-8u121-linux-x64.tar.gz?AuthParam=1489462060_a8e8967d20cb53503d8c97ce4496bdf0 这时就可以将JDK下载到云服务器上去了。将tar.gz文件解压：

tar -xzvf jdk8.tar.gz

这时就会在当前目录下生成jdk1.8.0_121目录。

将其拷贝到系统目录下：mv jdk1.8.0_121 /usr/lib/jdk

修改~/.bashrc文件：sudo vim ~/.bashrc，在最前面添加如下内容：

export JAVA_HOME=/usr/lib/jdk export JRE_HOME=${JAVA_HOME}/jre export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib export PATH=${JAVA_HOME}/bin:$PATH 运行：source ~/.bashrc使其生效，然后运行：java -version，如果打出如下内容，则证明安装成功：

下面我们来安装Scala，本来安装Scala应该是一件很简单的事情，但是我们在云服务器上没有图形界面，没法启动浏览器，要想安装Scala就不容易了。还好有其他网站为我们想到了这一点，我们可以到如下地址下载Scala。我们首先到http://www.scala-lang.org，查看当前的最新版本，比如在我查看时为2.12.1，则运行如下命令：

wget http://downloads.typesafe.com/scala/2.12.1/scala-2.12.1.tgz 下载完成后解压该文件：tar -xzvf scala-2.12.1.tgz，会生成scala-2.12.1目录。

编辑环境文件：sudo vim ~/.bashrc，添加如下内容：

export SCALA_HOME=/root/dev/java/scala-2.12.1 export PATH=${SCALA_HOME}/bin:$PATH 在命令行运行：scala -version，如果打印出如下内容就证明安装成功了：

我们还需要安装Python环境，为了简单起见，我们直接安装Python科学计算库Anaconda，这个软件会直接替我们把所有的Python科学计算库全部安装好，使用起来非常方便，我们首先下载安装文件：

wget https://repo.continuum.io/archive/Anaconda3-4.3.1-Linux-x86_64.sh 下载完成后，利用chmod 777 Anaconda3-4.3.1-Linux-x86_64.sh，然后运行这个程序，依照提示安装即可。一定要将Anaconda加入到PATH中。安装完成后，我们可以通过运行python来看提示中的版本，如果显示是3.6的，就证明我们安装成功了。

我们知道，Spark依赖于Hadoop的运行，因为我们需要Hadoop的HDFS系统和集群管理系统YARN，所以我们在安装Spark之前，就需要先安装Hadoop。

先下载Hadoop安装文件，这里下载的是2.7.3版本：

wget http://apache.fayea.com/hadoop/common/hadoop-2.7.3/hadoop-2.7.3.tar.gz

先解压文件：tar -xzvf hadoop-2.7.3.tar.gz

然后添加Hadoop相关的配置信息，编辑：sudo vim ~/.bashrc，添加如下内容：

# hadoop required export HADOOP_HOME=/root/dev/java/hadoop-2.7.3 export PATH=${HADOOP_HOME}/bin:${HADOOP_HOME}/sbin:$PATH export HADOOP_MAPRED_HOME=${HADOOP_HOME} export HADOOP_COMMON_HOME=${HADOOP_HOME} export HADOOP_HDFS_HOME=${HADOOP_HOME} export YARN_HOME=${HADOOP_HOME} 运行使其生效：source ~/.bashrc

查看$HADOOP_HOME/etc/hadoop/hadoop-env.sh文件中，有关于$JAVA_HOME的正确定义。如果SSH服务不是监听在22端口的话，添加如下行：export HADOOP_SSH_OPTS="-p 18921"。

编辑$HADOOP_HOME/etc/hadoop/core-site.xml文件，加入如下内容：

<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://your_server_ip:9000</value> </property> </configuration> 编辑$HADOOP_HOME/etc/hadoop/hdfs-site.xml文件：

<configuration> <property> <name>dfs.replication</name> <value>1</value> </property> </configuration> 确保可以不用密码登录：ssh -p 22000 localhost，这里我的SSH服务启动在22000端口，而不是默认的22端口。如果不能登录，则运行如下脚本：

$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa $ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys $ chmod 0600 ~/.ssh/authorized_keys 下面我们进入到$HADOOP_HOME目录：

bin/hdfs namenode -format sbin/start-dfs.sh 我们通过浏览器访问：http://your_server_ip:50070可以看到HDFS namenode的管理界面，就证明这一步已经安装成功了。

下面建立MapReduce的工作目录，即创建HDFS上的目录：

bin/hdfs dfs -mkdir /user bin/hdfs dfs -mkdir /user/yantao # 将文本文件拷贝到HDFS系统中 bin/hdfs dfs -mkdir /user/yantao/input bin/hdfs dfs -put etc/hadoop/*.xml /user/yantao/input # 运行实例 bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar grep /user/yantao/input /user/yantao/output 'dfs[a-z. ]+' # 将结果文件取回本地 bin/hdfs dfs -get /user/yantao/output output # 直接在HDFS中查看 bin/hdfs dfs -cat /user/yantao/output/* 下面我们来配置YARN集群。我们首先配置MapReduce，编辑vim etc/hadoop/mapred-site.xml，内容如下：

<configuration> <property> <name>mapreduce.framework.name</name> <value>yarn</value> </property> </configuration> 编辑vim etc/hadoop/yarn-site.xml，添加或修改如下内容：

<configuration> <property> <name>yarn.nodemanager.aux-services</name> <value>mapreduce_shuffle</value> </property> <property> <name>yarn.nodemanager.env-whitelist</name> <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value> </property> </configuration> 并将文件中所有Mater:修改为本机IP地址。

完成上述操作后，我们可以启动yarn：sbin/start-yarn.sh

此时访问nodemanager界面：http://your_server_ip:8042

访问resourcemanager界面：http://your_server_ip:8088

至此我们就完成了Hadoop伪分布式模式的安装。下面就可以正式进入Spark的安装了。

首先下载Spark安装文件，由于我们之前安装的是hadoop 2.7.3，所以我们需要下载绑定hadoop 2.7以上版本的Spark：

wget http://d3kbcqa49mib13.cloudfront.net/spark-2.1.0-bin-hadoop2.7.tgz

然后解压：tar -xzvf spark-2.1.0-bin-hadoop2.7.tgz

进入spark目录，拷贝Spark环境模板文件为环境文件：cp conf/spark-env.sh.template conf/spark-env.sh，然后添加如下内容：

export SCALA_HOME=/root/dev/java/scala-2.12.1 export SPARK_WORKER_MEMORY=1g export SPARK_MASTER_IP=your_server_ip export MASTER=spark://your_server_ip:7077 # 如果SSH端口不是缺省的22时加入下面行 export SPARK_SSH_OPTS="-p 22000" 生成Slave文件：cp conf/slaves.template conf/slaves。在这个文件中加入Worker节点的名称，由于这里是伪分布式部署，所以只需要有localhost就可以了。

我们进入到$HADOOP_HOME目录，启动HADOOP：

./sbin/start-dfs.sh ./sbin/start-yarn.sh

然后进入$SPARK_HOME目录，启动Spark：./sbin/start-all.sh

至此Spark 2.1.0就已经完全安装完成了。我们可以试验一下安装是否正确，进入到$SPARK_HOME目录，运行求PI的实例：

./bin/run-example org.apache.spark.examples.SparkPi 如果在输出中可以获得类似如下结果，就可以证明是正确的了：

我们还可以尝试启动Spark-shell：

./bin/spark-shell

如果出现如下图所示界面，则证明是成功的：

我们可以通过:quit业退出这个界面。