1. 概述
本文是对spark1.6.0分布式集群的安装的一个详细说明，旨在帮助相关人员按照本说明能够快速搭建并使用spark集群。
2. 安装环境
本安装说明的示例环境部署如下：
IP
外网IP
hostname
备注
10.47.110.38
120.27.153.137
iZ237654q6qZ
Master、Slaver
10.24.35.51
114.55.56.190
iZ23pd81xqaZ
Slaver
10.45.53.136
114.55.11.55
iZ23mr5ukpzZ
10.24.35.76
114.55.56.228
iZ23v8c9mqpZ
各软件版本：
Java：jdk-8u60-linux-x64.tar.gz
Scala：2.10.4
Spark：1.6.0
Hadoop：CDH-5.4.5-1.cdh5.4.5.p0.7
3. 安装前准备
3.1 在每台机添加hosts（root用户）
修改文件/etc/hosts（或者/etc/sysconfig/network），添加以下内容：
10.47.110.38 iZ237654q6qZ
10.24.35.51 iZ23pd81xqaZ
10.45.53.136 iZ23mr5ukpzZ
10.24.35.76 iZ23v8c9mqpZ
注意：主机名必须和hosts文件中的名称保持一致！
3.2 每个spark节点上创建一个用户（root用户）
# adduser spark
# passwd spark
密码统一设为：spark
3.3 每台机安装java（root用户）
3.3.1 下载java
3.3.2 解压到指定目录
# tar -zxvf jdk-8u60-linux-x64.tar.gz -C /usr/local/
建立软链接以方便以后更改java版本
# ln -sf/usr/local/jdk1.8.0_60/ /usr/local/jdk
3.3.3 配置环境变量
更改全局配置文件/etc/profile
# vim /etc/profile
在文件最后添加：
export JAVA_HOME=/usr/local/jdk //添加java home
export PATH=.:$JAVA_HOME/bin:$PATH //将scala路径添加进环境变量
注意：在修改完profile后，需要输入以下命令进行更新，否则不会立即生效：
# source /etc/profile
3.3.4 验证
输入java -version验证是否已配置成功
# java -version
3.4 每台机安装scala（root用户）
3.4.1 下载scala
3.4.2 解压到指定目录
# tar -zxvf scala-2.10.4.tgz -C /usr/local/
建立软链接以方便以后更改scala版本
# ln -sf /usr/local/scala-2.10.4/ /usr/local/scala
3.4.3 配置环境变量
在JAVA_HOME最后添加：
export SCALA_HOME=/usr/local/scala //添加scala home
更改path路径，添加scala环境
export PATH=.:$JAVA_HOME/bin: $SCALA_HOME/bin:$PATH //将scala路径添加进环境变量
3.4.4 验证
输入scala -version验证是否已配置成功
# scala -version
3.5 每台机安装ssh并配置无密码连接（安装openssh使用root，其他使用spark）
3.5.1 安装openssh
# yum install -y openssh-server
注意：从这里开始使用spark用户，执行命令su - spark切换到spark用户
3.5.2 生成密钥
# ssh-keygen -t rsa -P ''（然后回车）
执行完这个命令后，会生成两个文件id_rsa（私钥）、id_rsa.pub（公钥）
3.5.3 分享公钥到其他主机
在每台机上将公钥拷贝到要免登陆的机器上
# ssh-copy-id iZ237654q6qZ
# ssh-copy-id iZ23pd81xqaZ
# ssh-copy-id iZ23mr5ukpzZ
# ssh-copy-id iZ23v8c9mqpZ
3.5.4 验证是否免密码
输入以下命令，如果没有提示输入密码就直接登入，则配置成功：
# ssh iZ23mr5ukpzZ
验证成功后退出登录：
# exit
3.6 每台机关闭防火墙等服务（root）
# service iptables stop
# chkconfig iptables off //关闭开机启动防火墙
4 spark部署（spark用户）
4.1 下载spark
4.2 配置spark环境变量
解压到/home/spark目录
$ tar -zxvfspark-1.6.0-bin-hadoop2.6.tgz
建立软链接
$ ln -sf spark-1.6.0-bin-hadoop2.6spark
配置环境变量，编辑/home/spark目录下的bash_profile
$ vim ~/.bash_profile
添加以下两行（如果原来里面最后有path相关的两行，先删掉）：
export SPARK_HOME=/home/spark/spark
export PATH=.:$SPARK_HOME/bin:$PATH
配置完成后同样的source以下，使之生效
$ source ~/.bash_profile
4.3 配置spark
首先新建好spark用到的目录（使用root用户，只有这里使用root用户，每台机）：
$ mkdir /data //存储数据的总目录
$ mkdir /data/spark //spark数据存储主目录
$ mkdir /data/spark/local //spark存储本地数据的目录
$ mkdir /data/spark/log //spark存储日志的目录
$ mkdir /data/spark/work //spark存储worker日志等信息的目录
$ chmod -R 777 /data/ //将/data目录权限设置为最大
4.3.1 配置spark-env.sh
Spark-env.sh文件中配置了spark运行时的一些环境、依赖项以及master和slaver的资源配置。
$ cd spark //进入spark目录
$ cp conf/spark-env.sh.template conf/spark-env.sh //将spark-env.sh.template复制一份为spark-env.sh
因为我们是部署standalone模式，可以参考配置文件中注释项的提示：
添加以下内容：
配置项
说明
SPARK_LOCAL_IP= 10.47.110.38
本机ip或hostname（不同主机配置不同）
SPARK_LOCAL_DIRS=/data/spark/local
配置spark的local目录
SPARK_MASTER_IP= 10.47.110.38
master节点ip或hostname
SPARK_MASTER_WEBUI_PORT=8080
web页面端口
SPARK_WORKER_CORES=2
Worker的cpu核数
SPARK_WORKER_MEMORY=8g
worker内存大小
SPARK_WORKER_DIR=/data/spark/work
worker目录
export SPARK_MASTER_OPTS="-Dspark.deploy.defaultCores=4"
spark-shell启动使用核数
export SPARK_WORKER_OPTS="-Dspark.worker.cleanup.enabled=true -Dspark.worker.cleanup.appDataTtl=604800"
worker自动清理及清理时间间隔
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://systex/user/spark/applicationHistory"
history server页面端口、备份数、log日志在HDFS的位置（注意，需要在HDFS上新建对应的路径）
SPARK_LOG_DIR=/data/spark/log
配置Spark的log日志目录
export JAVA_HOME=/usr/local/jdk/
配置java路径
export SCALA_HOME=/usr/local/scala/
配置scala路径
export HADOOP_HOME=/opt/cloudera/parcels/CDH/lib/hadoop
配置hadoop的lib路径
export HADOOP_CONF_DIR=/etc/hadoop/conf
配置hadoop的配置路径
4.3.2 配置spark-defaults.conf
Spark-default.conf文件中主要配置的是与在spark上运行任务有关的一些参数，以及对executor等的配置。
spark.eventLog.enabled true
eventLog是否生效（建议开启，可以对已完成的任务记录其详细日志）
spark.eventLog.compress true
eventLog是否启用压缩（cpu性能好的情况下建议开启，以减少内存等的占用）
spark.eventLog.dir hdfs://systex/user/spark/applicationHistory
eventLog的文件存放位置，与spark-env.sh中的history server配置位置一致
spark.broadcast.blockSize 8m
广播块大小
spark.executor.cores 1
Executor的cpu核数
spark.executor.memory 512m
Executor的内存大小
spark.executor.heartbeatInterval 20s
Executor心跳交换时间间隔
spark.files.fetchTimeout 120s
文件抓取的timeout
spark.task.maxFailures 6
作业最大失败次数（达到此次数后，该作业不再继续执行，运行失败）
spark.serializer org.apache.spark.serializer.KryoSerializer
设置序列化机制（默认使用java的序列化，但是速度很慢，建议使用Kryo）
spark.kryoserializer.buffer.max 256m
序列化缓冲大小
spark.akka.frameSize 128
Akka调度帧大小
spark.default.parallelism 20
默认并行数
spark.network.timeout 300s
最大网络延时
spark.speculation true
Spark推测机制（建议开启）
4.3 配置slaves
在conf目录下有slaves文件，在其中配置slaves的hostname
$ cp conf/slaves.template conf/slaves
$ vim conf/slaves
添加各个slave节点的hostname：
至此，我们就将spark需要配置的东西全部配置完成，将spark整个目录复制到其他主机：
$scp -r /home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23pd81xqaZ:/home/spark/
$scp -r /home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23mr5ukpzZ:/home/spark/
$ scp -r/home/spark/spark-1.6.0-bin-hadoop2.6 spark@iZ23v8c9mqpZ:/home/spark/
在相应的主机创建对应的spark软链接，并将spark-env.sh中SPARK_LOCAL_IP改为对应的ip即可。
5. 启动spark并测试（spark用户）
现在我们启动spark，在master节点执行以下命令：
$ cd /home/spark/spark
$ ./sbin/start-all.sh //启动master和slaves
$ ./sbin/start-history-server.sh //启动history server
使用jps命令查看是否成功启动：
检查进程是否启动【在master节点上出现“Master”，在slave节点上出现“Worker”】
## 监控页面URL http:// 120.27.153.137:8080/
运行spark-pi：
spark-submit --master spark://10.47.110.38:7077 --classorg.apache.spark.examples.SparkPi --name Spark-Pi /home/spark/spark/lib/spark-examples-1.6.0-hadoop2.6.0.jar
能看到如下结果：
成功！