如何在CDH中启用Spark Thrift
1.文档编写目的
CDH 自带的Spark 不支持Spark Thrift，因为spark-assembly jar中缺少Hive thrift相关的依赖包，导致CDH用户没法使用JDBC的方式连接Spark并使用Spark SQL。Apache Spark 1.6之后spark-assembly jar 中包含了 Hive 相关的依赖包了，而恰好 CDH5.13 的 spark也是 1.6，所以可以直接使用Apache Spark 1.6 之后的spark-assembly jar替换CDH的。
本次测试选用的spark-assembly jar 包是Apache Spark1.6.3版本，而CDH中的Spark是1.6.0。本篇文章主要讲述如何在CDH中启用Spark Thrift。
- 内容概述
1.部署spark-assembly Jar包
2.部署Spark ThriftServer启动和停止脚本
3.Spark ThriftServer启动与停止
4.总结
- 测试环境
1.CM和CDH版本为5.13.0
2.采用root用户操作
- 前置条件
1.Spark1.6.0 On Yarn模式
2.部署Spark-assembly Jar包
1.下载spark-1.6.3-bin-hadoop2.6.tgz，下载地址如下：
https://www.apache.org/dyn/closer.lua/spark/spark-1.6.3/spark-1.6.3-bin-hadoop2.6.tgz2.将下载的spark-1.6.3-bin-hadoop2.6.tgz上传至集群的任意节点并解压，这里以cdh02节点为例
[root@cdh02 ~]# tar -zxvf spark-1.6.3-bin-hadoop2.6.tgz 
3.将解压出来的spark-assembly-1.6.3-hadoop2.6.0.jar拷贝至CDH的jars目录
[root@cdh02 spark-1.6.3-bin-hadoop2.6]# scp /root/spark-1.6.3-bin-hadoop2.6/lib/spark-assembly-1.6.3-hadoop2.6.0.jar /opt/cloudera/parcels/CDH/jars/4.替换CDH中spark默认的spark-assembly jar包
[root@cdh02 lib]# cd /opt/cloudera/parcels/CDH/lib/spark/lib
[root@cdh02 lib]# rm -rf spark-assembly-1.6.0-cdh5.13.0-hadoop2.6.0-cdh5.13.0.jar
[root@cdh02 lib]# ln -s ../../../jars/spark-assembly-1.6.3-hadoop2.6.0.jar spark-assembly-1.6.0-cdh5.13.0-hadoop2.6.0-cdh5.13.0.jar
5.将spark-assembly-1.6.3-hadoop2.6.0.jar包上传至HDFS目录
[root@cdh02 lib]# sudo -u spark hadoop fs -mkdir -p /user/spark/share/lib
[root@cdh02 lib]# sudo -u spark hadoop fs -put /opt/cloudera/parcels/CDH/jars/spark-assembly-1.6.3-hadoop2.6.0.jar /user/spark/share/lib
[root@cdh02 lib]# sudo -u spark hadoop fs -chmod 755 /user/spark/share/lib/spark-assembly-1.6.3-hadoop2.6.0.jar
6.在CM上对Spark进行配置，配置如下：
保存配置并重启Spark服务。
7.修改/etc/spark/conf/ classpath.txt文件在末尾增加如下内容
/opt/cloudera/parcels/CDH-5.13.0-1.cdh5.13.0.p0.29/jars/spark-lineage_2.10-1.6.0-cdh5.13.0.jar
由于CDH5.11以后版本，Navigator2.10增加了Spark的血缘分析，所以这里需要添加spark-lineage_2.10-1.6.0-cdh5.13.0.jar包，否则连接Spark会报错找不到com.cloudera.spark.lineage.ClouderaNavigatorListener类。
3.部署Spark ThriftServer启动和停止脚本
1.拷贝Spark ThriftServer启动和停止脚本
将 spark-1.6.3-bin-hadoop2.6/sbin/目录下的 start-thriftserver.sh 和 stop-thriftserver.sh 脚本拷贝到/opt/cloudera/parcels/CDH/lib/spark/sbin目录下，并设置执行权限。
[root@cdh02 sbin]# scp start-thriftserver.sh stop-thriftserver.sh /opt/cloudera/parcels/CDH/lib/spark/sbin/
[root@cdh02 sbin]# chmod +x /opt/cloudera/parcels/CDH/lib/spark/sbin/*thriftserver.sh
[root@cdh02 sbin]# ll /opt/cloudera/parcels/CDH/lib/spark/sbin/
2.修改 load-spark-env.sh 脚本，这个脚本是启动 spark 相关服务时加载环境变量信息的
[root@ip-172-31-5-190 sbin]# cd /opt/cloudera/parcels/CDH/lib/spark/bin
[root@ip-172-31-5-190 bin]# pwd
/opt/cloudera/parcels/CDH/lib/spark/bin
[root@ip-172-31-5-190 bin]# 将注释掉exec "$SPARK_HOME/bin/$SCRIPT""$@"，因为在start-thriftserver.sh脚本中会执行这个命令
4.启动与停止Spark ThriftServer
1.启动Spark ThriftServer服务
[root@ip-172-31-5-190 sbin]# ./start-thriftserver.sh
检查端口是否监听
[root@ip-172-31-5-190 sbin]# netstat -an |grep 10000
注意：为了防止跟HiveServer2的10000端口冲突，可以自己修改Spark ThriftServer的启动端口。
通过Yarn查看
2.停止服务
[root@ip-172-31-5-190 sbin]# ./stop-thriftserver.sh 
检查端口是否已停止
5.测试Spark Thrift
1.使用beeline通过JDBC连接Spark，可以发现连接的是Spark SQL
[root@ip-172-31-5-190 ~]# beeline
beeline> !connect jdbc:hive2://ip-172-31-5-190:10000
Enter username for jdbc:hive2://ip-172-31-5-190:10000: hive
Enter password for jdbc:hive2://ip-172-31-5-190:10000:
2.运行SQL测试
0: jdbc:hive2://ip-172-31-5-190:10000> show tables;
0: jdbc:hive2://ip-172-31-5-190:10000> select count(*) from test_table;
0: jdbc:hive2://ip-172-31-5-190:10000> select * from test;
0: jdbc:hive2://ip-172-31-5-190:10000> select * from test_table;
0: jdbc:hive2://ip-172-31-5-190:10000> select count(test_table.s2) from test_table join test on test_table.s1=test.s1;
3.在Yarn的8088中查看Spark任务，可以发现都是通过Spark执行的。
6.总结
- CDH默认不支持Spark Thrift，需要使用Spark原生的spark-assembly jar包替换CDH自带的jar包
- CDH5.11版本以后，Navigator2.10增加了Spark的血缘分析，所以需要将spark-lineage的jar加载的Spark的运行环境。否则连接Spark会报错找不到com.cloudera.spark.lineage.ClouderaNavigatorListener类。CDH5.10或之前版本不用加载这个jar包。参考： https://www.cloudera.com/documentation/enterprise/release- notes/topics/cn_rn_known_issues.html#spark
