2021年4月26日星期一

实时计算框架：Spark集群搭建与入门案例

Spark是专为大规模数据处理而设计的，基于内存快速通用,可扩展的集群计算引擎，实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流，运算速度相比于MapReduce得到了显著的提高。

一、Spark概述

1、Spark简介

Spark是专为大规模数据处理而设计的，基于内存快速通用,可扩展的集群计算引擎，实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流，运算速度相比于MapReduce得到了显著的提高。

2、运行结构

Driver

运行Spark的Applicaion中main()函数，会创建SparkContext，SparkContext负责和Cluster-Manager进行通信，并负责申请资源、任务分配和监控等。

ClusterManager

负责申请和管理在WorkerNode上运行应用所需的资源，可以高效地在一个计算节点到数千个计算节点之间伸缩计算，目前包括Spark原生的ClusterManager、ApacheMesos和HadoopYARN。

Executor

Application运行在WorkerNode上的一个进程，作为工作节点负责运行Task任务，并且负责将数据存在内存或者磁盘上，每个 Application都有各自独立的一批Executor，任务间相互独立。

二、环境部署

1、Scala环境

安装包管理

[root@hop01 opt]# tar -zxvf scala-2.12.2.tgz[root@hop01 opt]# mv scala-2.12.2 scala2.12

配置变量

[root@hop01 opt]# vim /etc/profileexport SCALA_HOME=/opt/scala2.12export PATH=$PATH:$SCALA_HOME/bin[root@hop01 opt]# source /etc/profile

版本查看

[root@hop01 opt]# scala -version

Scala环境需要部署在Spark运行的相关服务节点上。

2、Spark基础环境

安装包管理

[root@hop01 opt]# tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz[root@hop01 opt]# mv spark-2.1.1-bin-hadoop2.7 spark2.1

配置变量

[root@hop01 opt]# vim /etc/profileexport SPARK_HOME=/opt/spark2.1export PATH=$PATH:$SPARK_HOME/bin[root@hop01 opt]# source /etc/profile

版本查看

[root@hop01 opt]# spark-shell

3、Spark集群配置

服务节点

[root@hop01 opt]# cd /opt/spark2.1/conf/[root@hop01 conf]# cp slaves.template slaves[root@hop01 conf]# vim slaveshop01hop02hop03

环境配置

[root@hop01 conf]# cp spark-env.sh.template spark-env.sh[root@hop01 conf]# vim spark-env.shexport JAVA_HOME=/opt/jdk1.8export SCALA_HOME=/opt/scala2.12export SPARK_MASTER_IP=hop01export SPARK_LOCAL_IP=安装节点IPexport SPARK_WORKER_MEMORY=1gexport HADOOP_CONF_DIR=/opt/hadoop2.7/etc/hadoop

注意SPARK_LOCAL_IP的配置。

4、Spark启动

依赖Hadoop相关环境，所以要先启动。

启动：/opt/spark2.1/sbin/start-all.sh停止：/opt/spark2.1/sbin/stop-all.sh

这里在主节点会启动两个进程：Master和Worker，其他节点只启动一个Worker进程。

5、访问Spark集群

默认端口是：8080。

运行基础案例：
[root@hop01 spark2.1]# cd /opt/spark2.1/[root@hop01 spark2.1]# bin/spark-submit --class org.apache.spark.examples.SparkPi --master local examples/jars/spark-examples_2.11-2.1.1.jar运行结果：Pi is roughly 3.1455357276786384
三、开发案例
1、核心依赖
依赖Spark2.1.1版本：
<dependency> <groupId>org.apache.spark</groupId> <artifactId>spark-core_2.11</artifactId> <version>2.1.1</version></dependency>
引入Scala编译插件：
<plugin> <groupId>net.alchim31.maven</groupId> <artifactId>scala-maven-plugin</artifactId> <version>3.2.2</version> <executions>  <execution>   <goals>    <goal>compile</goal>    <goal>testCompile</goal>   </goals>  </execution> </executions></plugin>
2、案例代码开发
读取指定位置的文件，并输出文件内容单词统计结果。
@RestControllerpublic class WordWeb implements Serializable { @GetMapping("/word/web") public String getWeb (){  // 1、创建Spark的配置对象  SparkConf sparkConf = new SparkConf().setAppName("LocalCount")            .setMaster("local[*]");  // 2、创建SparkContext对象  JavaSparkContext sc = new JavaSparkContext(sparkConf);  sc.setLogLevel("WARN");  // 3、读取测试文件  JavaRDD lineRdd = sc.textFile("/var/spark/test/word.txt");  // 4、行内容进行切分  JavaRDD wordsRdd = lineRdd.flatMap(new FlatMapFunction() {   @Override   public Iterator call(Object obj) throws Exception {    String value = String.valueOf(obj);    String[] words = value.split(",");    return Arrays.asList(words).iterator();   }  });  // 5、切分的单词进行标注  JavaPairRDD wordAndOneRdd = wordsRdd.mapToPair(new PairFunction() {   @Override   public Tuple2 call(Object obj) throws Exception {    //将单词进行标记：    return new Tuple2(String.valueOf(obj), 1);   }  });  // 6、统计单词出现次数  JavaPairRDD wordAndCountRdd = wordAndOneRdd.reduceByKey(new Function2() {   @Override   public Object call(Object obj1, Object obj2) throws Exception {    return Integer.parseInt(obj1.toString()) + Integer.parseInt(obj2.toString());   }  });  // 7、排序  JavaPairRDD sortedRdd = wordAndCountRdd.sortByKey();  List<Tuple2> finalResult = sortedRdd.collect();  // 8、结果打印  for (Tuple2 tuple2 : finalResult) {   System.out.println(tuple2._1 + " ===> " + tuple2._2);  }  // 9、保存统计结果  sortedRdd.saveAsTextFile("/var/spark/output");  sc.stop();  return "success" ; }}
打包执行结果：
查看文件输出：
[root@hop01 output]# vim /var/spark/output/part-00000
四、源代码地址
GitHub·地址https://github.com/cicadasmile/big-data-parentGitEE·地址https://gitee.com/cicadasmile/big-data-parent
阅读标签
【Java基础】【设计模式】【结构与算法】【Linux系统】【数据库】
【分布式架构】【微服务】【大数据组件】【SpringBoot进阶】【Spring&Boot基础】
【数据分析】【技术导图】【 职场】
技术系列
OLAP引擎：Druid组件进行数据统计分析
OLAP引擎：Presto组件跨数据源分析
OLAP引擎：ClickHouse高性能列式查询



 
 
 

   
原文转载：http://www.shaoqun.com/a/708735.html
跨境电商：https://www.ikjzd.com/
yiqu：https://www.ikjzd.com/w/210
 
笨鸟转运：https://www.ikjzd.com/w/1550
 
Spark是专为大规模数据处理而设计的，基于内存快速通用,可扩展的集群计算引擎，实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流，运算速度相比于MapReduce得到了显著的提高。一、Spark概述1、Spark简介Spark是专为大规模数据处理而设计的，基于内存快速通用,可扩展的集群计算引擎，实现了高效的DAG执行引擎,可以通过基于内存来高效处理数据流，运算速度相比于MapReduc
grab：https://www.ikjzd.com/w/841
landing：https://www.ikjzd.com/w/2368
costco：https://www.ikjzd.com/w/1680
ASOS Marketplace：https://www.ikjzd.com/w/455
小姨子洗完澡穿吊带勾引我：http://www.30bags.com/a/251734.html
2018年假日购物季在线销售额或达1199亿美元，黑色星期五是首选！：https://www.ikjzd.com/home/7808
发帖者 时间：

没有评论:

发表评论

订阅： 博文评论 (Atom)