目录

环境搭建

---

测试

Apache Spark是用于大规模数据处理的统一分析引擎；

spark 仅仅替代了hadoop的mapraduce；

spark比hadoop快一百倍；

环境搭建

1：解压；

2：配置spark环境变量：

vim /etc/profile

export SPARK_HOME=/opt/module/spark
export PYSPARK_PYTHON=/opt/module/anacond3/envs/pyspark/bin/python3.8
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop


export PATH=$PATH:$SPARK_HOME/bin

source /etc/profile

 编辑：

vim ~/.bashrc

export JAVA_HOME=/opt/module/jdk
export PYSPARK_PYTHON=/opt/module/anacond3/envs/pyspark/bin

 测试：

spark-submit --version

3:设置spark，yarn是hadoop的一部分，必须启动hadoop时才会运行，spark中配置的和hadoop有关的；

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

HADOOP_CONF_DIR=/opt/module/hadoop/etc/hadoop

 4：测试spark：

完成on yarn 相关配置，使用spark on yarn 的模式提交$SPARK_HOME/examples/jars/spark-examples_2.12.3.11.jar

运行的主类为org.apache.spark.examples.SparkPi

运行命令为：

spark-submit --master yarn --class org.apache.spark.examples.SparkPi $SPARK_HOME/examples/jars/spark-examples_2.12-3.1.1.jar

yarn 需要配置：

yarn-site.xml:

<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>

hadoop必须启动！

如果提示safe mode问题需要执行：

hadoop dfsadmin -safemode leave