[1032]spark-3.0安装和入门
在这之前已经在本地安装了hadoop和hive，参考大数据相关整理
spark官网下载：http://spark.apache.org/downloads.html
一.Windows安装
1.安装
将spark-3.0.0-bin-hadoop3.2.tgz解压到非中文目录
2.使用
bin/spark-shell.cmd : 提供一个交互式shell
val result: String = sc.textFile("input").flatMap(_.split(" ")).map((_, 1)).reduceByKey( _ + _).collect().mkString(",")可以打开WEB UI：http://localhost:4040/（每一个spark-shell会初始化一个spark-context，是一个job，关闭窗口后，就没有这个页面了）
测试一下电脑上已经安装的Spark版本是否支持Hive，(spark-3.1.2是支持hive的)
scala> import org.apache.spark.sql.hive.HiveContext
<console>:25: error: object hive is not a member of package org.apache.spark.sql
import org.apache.spark.sql.hive.HiveContext看到了吧，会返回错误信息，也就是spark无法识别org.apache.spark.sql.hive.HiveContext，这就说明你当前电脑上的Spark版本不包含Hive支持。
如果你当前电脑上的Spark版本包含Hive支持，那么应该显示下面的正确信息：
scala> import org.apache.spark.sql.hive.HiveContext
import org.apache.spark.sql.hive.HiveContextbin/spark-submit.cmd: 将程序打包后，提交运行！打包过程参考：idea开发spark程序
1）进入D:\SoftWare\spark\spark-3.0.0-bin-hadoop3.2\bin
2）将jar包上传到bin目录下，和测试的文件
3）在该目录路径输入cmd打开cmd窗口
输入以下命令测试
spark-submit --class com.spark.day01.WcCount 09sparkdemo-1.0-SNAPSHOT.jar 1.txt
二.Linux安装
一般安装模式
下载
#下载,地址失效就从官网下载 http://spark.apache.org/downloads.html
$ wget https://mirror.bit.edu.cn/apache/spark/spark-3.0.0/spark-3.0.0-bin-hadoop3.2.tgz
#解压，路径为/Users/zheng/spark/spark-3.0.0
$ tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz
#重命名
$ cp spark-3.0.0-bin-hadoop3.2.tgz spark-3.0.0
#修改权限，这里不修改权限，最后启动spark的时候会报一些文件找不到
$ chmod -R 755 /spark-3.0.0设置环境变量
#设置环境变量
$ vim /etc/profile
#增加一下配置：
export SPARK_HOME=/Users/zheng/spark/spark-3.0.0
export PATH=$PATH:$SPARK_HOME/bin
#保存退出后生效
$ source /etc/profile修改配置
#进入/spark-3.0.0/conf复制以下几个文件
$ mv spark-defaults.conf.template spark-defaults.conf
$ mv slaves.template slaves
$ mv spark-env.sh.template spark-env.sh
#修改spark-defaults.conf启用yarn模式
spark.master yarn
启动
#进入/spark-3.0.0/sbin,启动spark,start-all.sh表示启动所有
$ ./start-all.sh
确认启动成功
浏览器访问spark master默认地址：http://localhost:8080/
Local模式
一般可以使用local模式进行测试，学习
1.安装
将spark-3.0.0-bin-hadoop3.2.tgz文件上传到linux并解压缩，放置在指定位置，改包名为spark-local
tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module
mv spark-3.0.0-bin-hadoop3.2 spark-local2.使用
进入 /opt/module/spark-local目录下
spark-shell：命令行工具
执行以下命令
[hadoop@hadoop103 spark-local]$ bin/spark-shell[hadoop@hadoop103 spark-local]$ bin/spark-shell
20/07/29 18:54:55 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
Setting default log level to "WARN".
To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
20/07/29 18:55:06 WARN Utils: Service 'SparkUI' could not bind on port 4040. Attempting port 4041.
Spark context Web UI available at http://hadoop103:4041
Spark context available as 'sc' (master = local[*], app id = local-1596020106480).
Spark session available as 'spark'.
Welcome to
____ __
/ __/__ ___ _____/ /__
_\ \/ _ \/ _ `/ __/ '_/
/___/ .__/\_,_/_/ /_/\_\ version 3.0.0
/_/
Using Scala version 2.12.10 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_212)
Type in expressions to have them evaluated.
Type :help for more information.
scala> 通过WEB UI 界面查看：http://hadoop103:4040/jobs/
执行代码
scala> sc.textFile("/opt/module/spark_testdata/1.txt").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collect
res0: Array[(String, Int)] = Array((hello,2), (world,2), (spark,1), (hi,2)) spark-submit ：提交应用
将写好的spark打包上传至linux，然后执行以下命令
[hadoop@hadoop103 spark-local]$bin/spark-submit --class com.spark.day01.WcCount /opt/module/spark_testdata/09sparkdemo-1.0-SNAPSHOT.jar /opt/module/spark_testdata/1.txtbin/spark-submit \ --提交应用
--class com.spark.day01.WcCount \ --主类名字
/opt/module/spark_testdata/09sparkdemo-1.0-SNAPSHOT.jar \ --应用类所在的jar包
/opt/module/spark_testdata/1.txt --程序的入口参数yarn模式
前提，环境中已经安装好hadoop
spark只是类似一个客户端（选择任意一台可以连接上YARN的机器安装即可），YARN是服务端！
1.安装
将spark-3.0.0-bin-hadoop3.2.tgz文件上传到linux并解压缩，放置在指定位置，改包名为spark-yarn
tar -zxvf spark-3.0.0-bin-hadoop3.2.tgz -C /opt/module
cd /opt/module
mv spark-examples_2.12-3.0.0 spark-yarn配置
①修改hadoop的/hadoop/etc/hadoop/yarn-site.xml配置文件，然后分发
<!--是否启动一个线程检查每个任务正使用的物理内存量，如果任务超出分配值，则直接将其杀掉，默认是true -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<!--是否启动一个线程检查每个任务正使用的虚拟内存量，如果任务超出分配值，则直接将其杀掉，默认是true -->
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
<!--允许第三方程序，例如spark将Job的日志，提交给Hadoop的历史服务 -->
<property>
<name>yarn.log.server.url</name>
<value>http://hadoop102:19888/jobhistory/logs</value>
</property>②修改conf/spark-env.sh，添加JAVA_HOME和YARN_CONF_DIR配置
改名 ： mv spark-env.sh.template spark-env.sh
YARN_CONF_DIR=/opt/module/hadoop-3.1.3/etc/hadoop
#环境变量中有可以不配
export JAVA_HOME=/opt/module/jdk1.8.0_144 2.使用
① 启动HDFS和yarn集群
jps验证下
[hadoop@hadoop103 spark-local]$ myjps
================ hadoop102 JPS =====================
1809 NameNode
2434 Jps
1939 DataNode
2281 NodeManager
================ hadoop103 JPS =====================
2867 NodeManager
2552 DataNode
2744 ResourceManager
3263 Jps
================ hadoop104 JPS =====================
1587 DataNode
1797 NodeManager
1676 SecondaryNameNode
1951 Jpsweb界面验证下：
HDFS：http://hadoop102:9870/ YARN：http://hadoop103:8088/
② 提交应用
官方案例
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode cluster \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10自定义的WordCount程序
bin/spark-submit \
--class com.spark.day01.WcCount \
--master yarn \
--deploy-mode cluster \
/opt/module/spark_testdata/09sparkdemo-1.0-SNAPSHOT.jar \
hdfs://hadoop102:8020/input 注意：
读取的文件最好放在hdfs路径，注意端口号别写错，core-site.xml中配置。
放在本地路径可能出现文件找不到的异常。
3.spark的历史服务器集成yarn
① 修改spark-defaults.conf.template文件名为spark-defaults.conf
spark.eventLog.enabled true
#HDFS的节点和端口和目录
spark.eventLog.dir hdfs://hadoop102:8020/spark-logs
#spark的历史服务器，在spark所在节点，端口18080
spark.yarn.historyServer.address=hadoop03:18080
spark.history.ui.port=18080注意：HDFS上的目录需要提前存在。
② 修改spark-env.sh文件，配置日志存储路径
#spark的历史服务器
export SPARK_HISTORY_OPTS="
-Dspark.history.ui.port=18080
-Dspark.history.fs.logDirectory=hdfs://hadoop102:8020/spark-logs
-Dspark.history.retainedApplications=30"③ 启动spark的历史服务器
sbin/start-history-server.sh④ 提交应用程序
bin/spark-submit \
--class org.apache.spark.examples.SparkPi \
--master yarn \
--deploy-mode client \
./examples/jars/spark-examples_2.12-3.0.0.jar \
10⑤ 观察web界面
spark的历史服务器
hadoop的历史服务器
参考：https://www.cnblogs.com/wh984763176/p/13399538.html https://blog.csdn.net/zheng911209/article/details/105442186 https://www.cnblogs.com/a155-/p/14438529.html
大数据-从部署到代码：https://blog.csdn.net/zheng911209/article/details/105498505
spark厦门大学林子雨系列教程：http://dblab.xmu.edu.cn/blog/spark/ Spark2.1.0入门：连接Hive读写数据：http://dblab.xmu.edu.cn/blog/1729-2/