Spark1.0.0 开发环境快速搭建
本帖最后由 pig2 于 2014-7-11 00:52 编辑问题导读：
1.spark是运行在什么平台的软件？
2.如何搭建开发环境？
3.spark调试有几种方法？
static/image/hrline/4.gif
为了解析一些概念、解析一些架构、代码测试，搭建了一个实验平台，如下图所示：
本实验平台是在一台物理机上搭建的，物理机的配置是16G内存，4核8线程CPU。平台的环境配置如下：
机器名 配置 角色 软件安装
hadoop1 2G内存，双核 hadoop：NN/DN Spark：Master/worker /app/hadoop/hadoop220/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
hadoop2 2G内存，双核 hadoop：DN Spark：worker /app/hadoop/hadoop220/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
hadoop3 2G内存，双核 hadoop：DN Spark：worker /app/hadoop/hadoop220/app/hadoop/spark100
/app/scala2104
/usr/java/jdk1.7.0_21
wyy 16G内存，四核 client /app/hadoop/hadoop220
以上hadoop和spark安装目录的用户属性都是hadoop（组别为hadoop），其他的安装目录的用户属性是root:root。
实验平台搭建顺序
1：虚拟集群的搭建
A：hadoop2.2.0集群搭建
hadoop2.2完全分布式最新高可靠安装文档
B：Spark1.0.0 Standalone集群搭建
参见博客 Spark1.0.0 on Standalone 模式部署
2：开发端的搭建
客户端采用的Ubuntu操作系统，而Spark虚拟集群采用的是CentOS，默认的java安装目录两个操作系统是不一样的，所以在Ubuntu下安装java的时候特意将java的安装路径改成和CentOS一样。不然的话，每次scp了虚拟集群的配置文件之后，要修改hadoop-env.sh中的java配置。
客户端hadoop2.2.0和Spark1.0.0是直接从虚拟集群中scp出来的，放置在相同的目录下，拥有相同的用户属性。
开发用的IDE采用IntelliJ IDEA，项目的搭建参见使用IntelliJ IDEA开发Spark1.0.0应用程序。
应用程序的部署和调试参见应用程序部署工具spark-submit 。
3：实验数据来源
实验用的数据来源于搜狗实验室下载地址为：http://download.labs.sogou.com/resources.html?v=1
[*]互联网语料库(SogouT)
[*]网页搜索结果评价(SogouE)
[*]链接关系库(SogouT-Link)
[*]SogouRank库(SogouT-Rank)
[*]用户查询日志(SogouQ)
[*]互联网词库(SogouW)
4：伪分布式实验平台搭建
上面的实验平台是将hadoop集群、Spark集群和开发环境分离，更接近生产系统；但很多朋友的物理机配置可能偏低，那样的话可以采用伪分布式部署。但伪分布式会有一些缺陷：
[*]spark的数据本地性不易测试
[*]对于并行性不易理解
[*]job调度不易理解
至于伪分布式的部署很简单，步骤和虚拟集群搭建差不多，只要修改两个地方：
[*]ssh无密码登陆只需要ssh一下本机
[*]hadoop和spark的配置文件salves修改成本机机器名
5：调试工具
[*]Spark1.0.0 history server 配置和使用
[*]日志配置
[*]job server配置
谢谢 十分有用 哎，，spark编译不过去，，， 感谢楼主，收藏了，谢谢楼主，赞~~ 谢谢楼主。。。。。。。。。。。
页:
[1]