Mac下Apache Spark 1.6+Hadoop 2.6 单机安装配置

共计 4394 个字符，预计需要花费 11 分钟才能阅读完成。

一、下载资料

1. JDK 1.6 +

2. Scala 2.10.4

3. Hadoop 2.6.4

4. Spark 1.6

二、预先安装

1. 安装 JDK

2. 安装 Scala 2.10.4

    解压安装包即可

3. 配置 sshd

ssh-keygen -t dsa -P ” -f ~/.ssh/id_dsa

cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys

mac 启动 sshd

sudo launchctl load -w /System/Library/LaunchDaemons/ssh.plist

查看启动

sudo launchctl list | grep ssh

输出 - 0 com.openssh.sshd 表示启动成功

停止 sshd 服务

sudo launchctl unload -w /System/Library/LaunchDaemons/ssh.plist

三、安装 Hadoop

1. 创建 Hadoop 文件系统目录

mkdir -pv  hadoop/workspace

cd hadoop/workspace

mkdir tmp

mkdir -pv hdfs/data

mkdir -pv hdfs/name

添加 hadoop 目录环境变量

vi ~/.bashrc

HADOOP_HOME=/Users/ysisl/app/hadoop/hadoop-2.6.4

配置 hadoop，都在 $HADOOP_HOME/etc/hadoop 下

1. core-site.xml

<configuration>

<property>

  <name>fs.default.name</name>

  <value>hdfs://localhost:9000</value>

  <description>HDFS URI</description>

</property>

<property>

  <name>hadoop.tmp.dir</name>

  <value>/Users/ysisl/app/hadoop/workspace/tmp</value>

  <description>namenode temp dir</description>

</property>

</configuration>

2. hdfs-site.xml

<configuration>

<property>

  <name>dfs.name.dir</name>

  <value>/Users/ysisl/app/hadoop/workspace/hdfs/name</value>

  <description>namenode 上存储 hdfs 名字空间元数据 </description>

</property>

<property>

  <name>dfs.data.dir</name>

  <value>/Users/ysisl/app/hadoop/workspace/hdfs/data</value>

  <description>datanode 上数据块的物理存储位置 </description>

</property>

<property>

  <name>dfs.replication</name>

  <value>1</value>

  <description> 副本个数，配置默认是 3, 应小于 datanode 机器数量 </description>

</property>

</configuration>

3. copy mapred-site.xml.template to mapred-site.xml

<configuration>

<property>

      <name>mapreduce.framework.name</name>

      <value>yarn</value>

</property>

</configuration>

4. yarn-site.xml

<configuration>

<property>

      <name>yarn.nodemanager.aux-services</name>

      <value>mapreduce_shuffle</value>

</property>

<property>

      <name>yarn.resourcemanager.webapp.address</name>

      <value>localhost:8099</value>

</property>

</configuration>

5. 格式化 HDFS 文件系统

$HADOOP_HOME/bin/hdfs namenode -format

6. 进入 sbin/ 执行 start-all.sh

7. 执行 jps 查看是否正常启动

21472

30256 Jps

29793 DataNode

29970 SecondaryNameNode

29638 NameNode

30070 ResourceManager

30231 NodeManager

8. 打开 http://localhost:50070/explorer.html 网页查看 hadoop 目录结构，说明安装成功

四、安装 Spark

1. 解压 spark 压缩包

tar xvzf spark.1.6.tar.gz

2. 加入环境变量

vi ~/.bashrc

SCALA_HOME=/Users/ysisl/app/spark/scala-2.10.4

SPARK_HOME=/Users/ysisl/app/spark/spark-1.6.1-bin-hadoop2.6

2. 设置配置文件

cd spar-1.6.1-bin-hadoop2.6/conf

cp spark-env.sh.template spark-env.sh

vi spar-env.sh

添加如下内容

export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_25.jdk/Contents/Home

export SCALA_HOME=/Users/ysisl/app/spark/scala-2.10.4

export HADOOP_CONF_DIR=/Users/ysisl/app/hadoop/hadoop-2.6.4/etc/hadoop

export SPARK_MASTER_IP=localhost

export SPARK_WORKER_CORES=2

export SPARK_WORKER_MEMORY=2g

cp slaves.template slaves

默认 slaves 现在就主机一台

3. 启动 sbin/start-all.sh

jps 查看到多出一个 Master，worker 进程

21472

29793 DataNode

29970 SecondaryNameNode

30275 Master

30468 SparkSubmit

29638 NameNode

30070 ResourceManager

30231 NodeManager

30407 Worker

30586 Jps

4. 配置 scala、spark、hadoop 环境变量加入 PATH，方便执行

vi ~/.bashrc

export HADOOP_HOME=/Users/ysisl/app/hadoop/hadoop-2.6.4

export SCALA_HOME=/Users/ysisl/app/spark/scala-2.10.4

export SPARK_HOME=/Users/ysisl/app/spark/spark-1.6.1-bin-hadoop2.6

export PATH=”${HADOOP_HOME}/bin:${SCALA_HOME}/bin:${SPARK_HOME}/bin:$PATH”

五. 测试运行

1. 准备一个 csv 文件，路径  /Users/ysisl/app/hadoop/test.csv

2. 查看 DFS 文件系统结构，执行 hadoop fs -lsr /

3. 新建目录，hadoop fs -mkdir /test

4. 上传文件到目录，hadoop fs -put /Users/ysisl/app/hadoop/test.csv /test/

5. hadoop fs -lsr / 查看已创建的目录文件

6. 执行 spark-shell

  scala > val file=sc.textFile(“hdfs:/test/test.csv”)

  scala > val count=file.flatMap(line=>line.split(” “)).map(word=>(word,1)).reduceByKey(_+_)

  scala > count.collect

7. 查看执行状态

    a. localhost:8080，查看 spark 集群运行情况。此端口一般与其他端口冲突

          在 spark-env.sh 中加入 export SPARK_MASTER_WEBUI_PORT=98080 来指定

    b. http://localhost:4040/jobs/，查看 spark task job 运行情况

    c. http://localhost:50070/ hadoop 集群运行情况

下面关于 Hadoop 的文章您也可能喜欢，不妨看看：

Ubuntu14.04 下 Hadoop2.4.1 单机 / 伪分布式安装配置教程  http://www.linuxidc.com/Linux/2015-02/113487.htm

CentOS 安装和配置 Hadoop2.2.0  http://www.linuxidc.com/Linux/2014-01/94685.htm

Ubuntu 14.04 LTS 下安装 Hadoop 1.2.1（伪分布模式）http://www.linuxidc.com/Linux/2016-09/135406.htm

Ubuntu 上搭建 Hadoop 环境（单机模式 + 伪分布模式）http://www.linuxidc.com/Linux/2013-01/77681.htm

Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm

单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm

Hadoop 2.6.0 HA 高可用集群配置详解  http://www.linuxidc.com/Linux/2016-08/134180.htm

Spark 1.5、Hadoop 2.7 集群环境搭建  http://www.linuxidc.com/Linux/2016-09/135067.htm

更多 Hadoop 相关信息见Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13

本文永久更新链接地址：http://www.linuxidc.com/Linux/2016-10/136188.htm