基于前置搭建的 Hbase 环境上配置 Spark 开发环境

1. 准备工作及说明

本次安装考虑在不影响前置环境（Hbase环境）的基础下添加 Spark 的工作环境
Spark 集群部署采用 yarn 模式进行资源调度管理，这样部署更加简单，因 Hadoop 在之前已经进行集群安装，Spark 是提交 jar 到 yarn 中进行运行，只需要在任意一台中安装 Spark 客户端即可，而又因为是集群模式可能导致作业在未安装 Spark 的节点上运行，推荐的做法是上传这些 jar 到 hdfs 中, 并配置 hdfs 作为依赖，为了偷懒不想改配置文件该步骤我懒得去搞，直接在三台节点中都安装同样的客户端，如有新的依赖加入直接在三台中上传依赖(保障三台环境完全一致)即可。

1. 下载 spark-2.3.2-bin-hadoop2.7.tgz
2. 上传 spark-2.3.2-bin-hadoop2.7.tgz 到 master1，master2， slave1三台虚拟机中的 /temp_work 目录下

2. 修改Hadoop配置文件

因为当前仅为学习用途，虚拟机运行内存我设置的1GB, 默认2GB的交换，这远远不够一些较大的作业运行，实测默认配置时 spark shell 直接被 gc 导致无法正常工作，于是增加的该配置主要用于关闭NodeManager物理内存检查，避免因内存不足导致的进程杀死。

配置文件:

/opt/hadoop/etc/hadoop/yarn-site.xml

在配置

yarn-site.xml

文件中加入如下配置

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

同步配置

scp /opt/hadoop/etc/hadoop/yarn-site.xml master2:/opt/hadoop/etc/hadoop/
scp /opt/hadoop/etc/hadoop/yarn-site.xml slave1:/opt/hadoop/etc/hadoop/

3. 解压 Spark

执行如下命令（三台均需执行）

tar -zxvf /temp_work/spark-2.3.2-bin-hadoop2.7.tgz -C  /opt

4. 创建 Spark 软连接

执行如下命令（三台均需执行）

ln -sf /opt/spark-2.3.2-bin-hadoop2.7/ /opt/spark

5. 修改 Spark 环境变量

创建spark环境变量文件

cp /opt/spark/conf/spark-env.sh.template /opt/spark/conf/spark-env.sh

修改配置文件添加如下环境变量配置

exportJAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.362.b08-1.el7_9.x86_64
exportHADOOP_CONF_DIR=/opt/hadoop/etc/hadoop

修改完成后如下图所示

同步配置到从机

scp /opt/spark/conf/spark-env.sh master2:/opt/spark/conf/
scp /opt/spark/conf/spark-env.sh slave1:/opt/spark/conf/

6. 配置系统环境变量

三台虚拟机均需要配置，这里不考虑 sbin ，sbin 独立部署 spark 集群时有用，这里我们基于 yarn 模式，如配置了 sbin 到 path 中会与 hadoop 的 path 产生冲突（部分 sh 文件名相同导致）

# Spark 环境变量exportSPARK_HOME=/opt/spark
exportPATH=$SPARK_HOME/bin:$PATH

修改完成后如下图所示

7. 生效环境变量

执行如下命令（三台均需执行）

source /etc/profile

8. 验证环境

验证环境前请确保 ZooKeeper 和 Hadoop 已启动
执行如下命令进入spark shell 验证状态

spark-shell --master yarn --deploy-mode client

进入后如下图所示

可以在 yarn 的 web 监控面板（master1:8088）中的 application 看到应用相关信息即可