全棧工程師開發手冊 （作者：欒鵬）

在使用前建議先將當前使用者設定為root使用者。參考https://blog.csdn.net/luanpeng825485697/article/details/80278383中修改使用者許可權的第三種方法。有了許可權就會方便操作。

在根目錄下建立資料夾/lp/hadoop，用來在這裡面存放hadoop生態環境

分散式hadoop部署

首先，在http://hadoop.apache.org/releases.html找到最新穩定版tar包，我選擇的是hadoop-2.7.3.tar.gz

下載解壓到/lp/hadoop/hadoop-2.7.3

hdfs的架構：hdfs部分由NameNode、SecondaryNameNode和DataNode組成。DataNode是真正的在每個儲存節點上管理資料的模組，NameNode是對全域性資料的名字資訊做管理的模組，SecondaryNameNode是它的從節點，以防掛掉。

最後再說map-reduce：Map-reduce依賴於yarn和hdfs，另外還有一個JobHistoryServer用來看任務執行歷史

hadoop雖然有多個模組分別部署，但是所需要的程式都在同一個tar包中，所以不同模組用到的配置檔案都在一起，讓我們來看幾個最重要的配置檔案：

各種預設配置：core-default.xml, hdfs-default.xml, yarn-default.xml, mapred-default.xml

各種web頁面配置：core-site.xml, hdfs-site.xml, yarn-site.xml, mapred-site.xml

從這些配置檔案也可以看出hadoop的幾大部分是分開配置的。

除上面這些之外還有一些重要的配置：hadoop-env.sh、mapred-env.sh、yarn-env.sh，他們用來配置程式執行時的java虛擬機器引數以及一些二進位制、配置、日誌等的目錄配置

下面我們真正的來修改必須修改的配置檔案。

修改etc/hadoop/core-site.xml，把配置改成：

<configuration>
  <property>
      <name>fs.defaultFS</name>
      <value>hdfs://127.0.0.1:9001</value>
  </property>
  <property>
       <name>io.file.buffer.size</name>
       <value>131072</value>
  </property>
</configuration>
 

這裡面配置的是hdfs的檔案系統地址：本機的9001埠

修改etc/hadoop/hdfs-site.xml，把配置改成：

<configuration>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/lp/hadoop/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/lp/hadoop/dfs/data</value>
    </property>
    <property>
        <name>dfs.datanode.fsdataset.volume.choosing.policy</name>
        <value>org.apache.hadoop.hdfs.server.datanode.fsdataset.AvailableSpaceVolumeChoosingPolicy</value>
    </property>
    <property>
        <name>dfs.namenode.http-address</name>
        <value>127.0.0.1:8305</value>
    </property>
    <property>
        <name>dfs.namenode.secondary.http-address</name>
        <value>127.0.0.1:8310</value>
    </property>
</configuration>

這裡面配置的是hdfs檔案儲存在本地的哪裡以及secondary namenode的地址

修改etc/hadoop/yarn-site.xml，把配置改成：

<configuration>

<!-- Site specific YARN configuration properties -->
       <property>
        <name>yarn.resourcemanager.hostname</name>
        <value>127.0.0.1</value>
    </property>
    <property>
        <name>yarn.resourcemanager.webapp.address</name>
        <value>127.0.0.1:8320</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
        <value>org.apache.hadoop.mapred.ShuffleHandler</value>
    </property>
    <property>
        <name>yarn.log-aggregation-enable</name>
        <value>true</value>
    </property>
    <property>
        <name>yarn.log-aggregation.retain-seconds</name>
        <value>864000</value>
    </property>
    <property>
        <name>yarn.log-aggregation.retain-check-interval-seconds</name>
        <value>86400</value>
    </property>
    <property>
        <name>yarn.nodemanager.remote-app-log-dir</name>
        <value>/lp/hadoop/YarnApp/Logs</value>
    </property>
    <property>
        <name>yarn.log.server.url</name>
        <value>http://127.0.0.1:8325/jobhistory/logs/</value>
    </property>
    <property>
        <name>yarn.nodemanager.local-dirs</name>
        <value>/lp/hadoop/YarnApp/nodemanager</value>
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>5000</value>
    </property>
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>1024</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-pmem-ratio</name>
        <value>4.1</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>
</configuration>

這裡面配置的是yarn的日誌地址以及一些引數配置

通過cp etc/hadoop/mapred-site.xml.template etc/hadoop/mapred-site.xml建立etc/hadoop/mapred-site.xml，內容改為如下：

<configuration>
     <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
        <description>Execution framework set to Hadoop YARN.</description>
    </property>
    <property>
        <name>yarn.app.mapreduce.am.staging-dir</name>
        <value>/lp/hadoop/YarnApp/tmp/hadoop-yarn/staging</value>
    </property>
    <!--MapReduce JobHistory Server地址-->
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>127.0.0.1:8330</value>
    </property>
    <!--MapReduce JobHistory Server Web UI地址-->
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>127.0.0.1:8331</value>
    </property>
    <!--MR JobHistory Server管理的日誌的存放位置-->
    <property>
        <name>mapreduce.jobhistory.done-dir</name>
        <value>${yarn.app.mapreduce.am.staging-dir}/history/done</value>
    </property>
<!--MapReduce作業產生的日誌存放位置-->
    <property>
        <name>mapreduce.jobhistory.intermediate-done-dir</name>
        <value>${yarn.app.mapreduce.am.staging-dir}/history/done_intermediate</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.joblist.cache.size</name>
        <value>1000</value>
    </property>

    <property>
        <name>mapreduce.tasktracker.map.tasks.maximum</name>
        <value>8</value>
    </property>
    <property>
        <name>mapreduce.tasktracker.reduce.tasks.maximum</name>
        <value>8</value>
    </property>
    <property>
        <name>mapreduce.jobtracker.maxtasks.perjob</name>
        <value>5</value>
        <description>The maximum number of tasks for a single job.
            A value of -1 indicates that there is no maximum.
        </description>
    </property>
</configuration>

這裡面配置的是mapred的任務歷史相關配置

如果你的hadoop部署在多臺機器，那麼需要修改etc/hadoop/slaves，把其他slave機器ip加到裡面，如果只部署在這一臺，那麼就留一個localhost即可。

如果hadoop分散式部署在多臺機器上，每臺機器上的部署都是一樣的，都要知道master（主）的位置，每一個slaves（從）的位置。

下面我們啟動hadoop，啟動之前我們配置好必要的環境變數：
在hadoop-env.sh裡寫JAVA_HOME

export JAVA_HOME="你的java安裝地址"

為這邊寫的是

export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk 

這一部分下面的命令，需要在/lp/hadoop/hadoop-2.7.3目錄下執行，可以在/lp/hadoop/hadoop-2.7.3目錄下右健（在終端中開啟），然後再執行下面的hadoop部署的命令

先啟動hdfs，在此之前要格式化分散式檔案系統，執行：

./bin/hdfs namenode -format myclustername

如果格式化正常可以看到/lp/hadoop/dfs下生成了name目錄

然後啟動namenode，執行：

./sbin/hadoop-daemon.sh --script hdfs start namenode

如果正常啟動，可以看到啟動了相應的程序，並且/lp/hadoop/hadoop-2.7.3/logs目錄下生成了相應的日誌

然後啟動datanode，執行：

./sbin/hadoop-daemon.sh --script hdfs start datanode

如果考慮啟動secondary namenode，可以用同樣的方法啟動

下面我們啟動yarn，先啟動resourcemanager，執行：

./sbin/yarn-daemon.sh start resourcemanager

如果正常啟動，可以看到啟動了相應的程序，並且logs目錄下生成了相應的日誌

然後啟動nodemanager，執行：

./sbin/yarn-daemon.sh start nodemanager

如果正常啟動，可以看到啟動了相應的程序，並且logs目錄下生成了相應的日誌

然後啟動MapReduce JobHistory Server，執行：

./sbin/mr-jobhistory-daemon.sh start historyserver

下面我們看下web介面

開啟http://127.0.0.1:8320/cluster看下yarn管理的叢集資源情況(因為在yarn-site.xml中我們配置了yarn.resourcemanager.webapp.address是127.0.0.1:8320)

開啟http://127.0.0.1:8331/jobhistory看下map-reduce任務的執行歷史情況(因為在mapred-site.xml中我們配置了mapreduce.jobhistory.webapp.address是127.0.0.1:8331)

開啟http://127.0.0.1:8305/dfshealth.html看下namenode的儲存系統情況(因為在hdfs-site.xml中我們配置了dfs.namenode.http-address是127.0.0.1:8305)

到此為止我們對hadoop的部署完成。
以後再啟動就不需要再輸入這麼多啟動命令，只需要啟動start-dfs.sh和start-yarn.sh就可以了，他們會自動啟動namenode、datanode、secondarynamenode，和 resourcemanager、nodemanager。

[[email protected] hadoop-2.7.3]# ./sbin/start-dfs.sh


自動啟動namenode、datanode、secondarynamenode。

Starting namenodes on [localhost]
The authenticity of host 'localhost (::1)' can't be established.
ECDSA key fingerprint is 1e:64:5d:6d:26:40:c9:3e:14:0a:5f:50:6f:2f:3f:52.
Are you sure you want to continue connecting (yes/no)? yes
localhost: Warning: Permanently added 'localhost' (ECDSA) to the list of known hosts.
[email protected]'s password: 
localhost: starting namenode, logging to /lp/hadoop/hadoop-2.7.3/logs/hadoop-root-namenode-localhost.out
[email protected]'s password: 
localhost: starting datanode, logging to /lp/hadoop/hadoop-2.7.3/logs/hadoop-root-datanode-localhost.out
Starting secondary namenodes [localhost]
[email protected]'s password: 
localhost: starting secondarynamenode, logging to /lp/hadoop/hadoop-2.7.3/logs/hadoop-root-secondarynamenode-localhost.out

[[email protected] hadoop-2.7.3]# ./sbin/start-yarn.sh

自動啟動 resourcemanager、nodemanager。

starting yarn daemons
starting resourcemanager, logging to /lp/hadoop/hadoop-2.7.3/logs/yarn-root-resourcemanager-localhost.out
[email protected]'s password: 
localhost: starting nodemanager, logging to /lp/hadoop/hadoop-2.7.3/logs/yarn-root-nodemanager-localhost.out

下面試驗一下hadoop的功能。

在/lp/hadoop/hadoop-2.7.3資料夾下新建一個檔案data，內容為

1
2
3
4

先驗證一下hdfs分散式檔案系統，執行以下命令看是否有輸出：

建立HDFS目錄（注意不是本地目錄）
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -mkdir /input

[[email protected]alhost hadoop-2.7.3]# cat data 
1
2
3
4

[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -put data /input

[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -ls /input      
Found 1 items
-rw-r--r--   3 work supergroup          8 2016-11-03 16:56 /input/data

但是在存放資料的目錄/lp/hadoop/dfs/data，是看不出來有變化的：

這時候，在http://127.0.0.1:8305/dfshealth.html上能夠看出一些變化：

Configured Capacity:    2.62 TB
DFS Used:    48 KB (0%)
Non DFS Used:    3.99 GB
DFS Remaining:    2.62 TB (99.85%)

建立HDFS資料夾

./bin/hadoop fs -mkdir /input

刪除HDFS資料夾

./bin/hadoop fs -rmr /input

上面的命令就把output資料夾刪除了，-rmr是一個遞迴刪除操作，會刪除該資料夾下面的所有檔案以及資料夾。也可以選用-rm ,單個刪除。

新增本地檔案到hdfs目錄

先在本地建立兩個資料夾/lp/hadoop/dfs/input、/lp/hadoop/dfs/output

[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -put /lp/hadoop/dfs/input /input
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -put /lp/hadoop/dfs/output /output

上面命令的hadoop fs -put 後面的第一個引數是本地路徑，第二個引數是hadoop HDFS上的路徑，意思就是將本地路徑載入到HDFS上。

注意：在將本地目錄新增為hdfs目錄以後，再更改本地目錄，並不會修改hdfs目錄。

現在跑一個hadoop命令wc看看：

# ./bin/hadoop jar ./share/hadoop/tools/lib/hadoop-streaming-2.7.3.jar -input /input -output /output -mapper cat -reducer wc

可以看到結果：

# ./bin/hadoop fs -ls /output
Found 2 items
-rw-r--r--   3 work supergroup          0 2016-11-03 17:17 /output/_SUCCESS
-rw-r--r--   3 work supergroup         25 2016-11-03 17:17 /output/part-00000

# ./bin/hadoop fs -cat /output/part-00000
      4       4      12

原來是wc的輸出格式：
行數 單詞數 位元組數

hbase的部署

首先從http://www.apache.org/dyn/closer.cgi/hbase/下載穩定版安裝包，我下的是hbase-1.2.6-bin.tar.gz

下載解壓到/lp/hadoop/hbase-1.2.6

解壓後修改conf/hbase-site.xml，改成：

<configuration>
    <property>
        <name>hbase.cluster.distributed</name>
        <value>true</value>
    </property>
    <property>
        <name>hbase.rootdir</name>
        <value>hdfs://localhost:9001/hbase</value>
    </property>
    <property>
        <name>hbase.zookeeper.quorum</name>
        <value>127.0.0.1</value>
    </property>
    <property>      
		<name>hbase.coprocessor.master.classes</name>    
	  	<value>org.apache.hadoop.hbase.security.access.AccessController</value>  
	</property>
	<property>  
	  <name>hbase.coprocessor.region.classes</name>  
	  <value>org.apache.hadoop.hbase.security.token.TokenProvider,org.apache.hadoop.hbase.security.access.AccessController,org.apache.hadoop.hbase.security.access.SecureBulkLoadEndpoint</value>  
	</property>  
</configuration>

其中hbase.rootdir配置的是hdfs地址，ip:port要和hadoop/core-site.xml中的fs.defaultFS保持一致

其中hbase.zookeeper.quorum是zookeeper的地址，可以配多個，我們試驗用就先配一個

修改 /lp/hadoop/hbase-1.2.6/conf/hbase-env.sh

export JAVA_HOME=/usr/lib/jvm/jre-1.8.0-openjdk

hbase的部署，需要在/lp/hadoop/hbase-1.2.6目錄下右健（在終端中開啟），然後執行hbase部署的命令

啟動hbase，執行

./bin/start-hbase.sh

這時有可能會讓你輸入本地機器的密碼

啟動成功後可以看到幾個程序起來，包括zookeeper的HQuorumPeer和hbase的HMaster、HRegionServer

然後啟動hbase的shell

./bin/hbase shell

下面我們試驗一下hbase的使用，執行：

hbase(main):001:0> status
1 active master, 0 backup masters, 1 servers, 0 dead, 3.0000 average load

建立一張表

hbase(main):004:0> create 'table1','field1'
0 row(s) in 1.3430 seconds

=> Hbase::Table - table1

獲取一張表

hbase(main):005:0> t1 = get_table('table1')
0 row(s) in 0.0010 seconds

=> Hbase::Table - table1

新增一行

hbase(main):008:0> t1.put 'row1', 'field1:qualifier1', 'value1'
0 row(s) in 0.4160 seconds

讀取全部

hbase(main):009:0> t1.scan
ROW                                                                 COLUMN+CELL
 row1                                                               column=field1:qualifier1, timestamp=1470621285068, value=value1
1 row(s) in 0.1000 seconds

我們同時也看到hdfs中多出了hbase儲存的目錄（注意下面的命令是在/lp/hadoop/hadoop-2.7.3目錄下執行）：

[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -ls /hbase
Found 7 items
drwxr-xr-x   - root supergroup          0 2016-08-08 09:05 /hbase/.tmp
drwxr-xr-x   - root supergroup          0 2016-08-08 09:58 /hbase/MasterProcWALs
drwxr-xr-x   - root supergroup          0 2016-08-08 09:05 /hbase/WALs
drwxr-xr-x   - root supergroup          0 2016-08-08 09:05 /hbase/data
-rw-r--r--   3 root supergroup         42 2016-08-08 09:05 /hbase/hbase.id
-rw-r--r--   3 root supergroup          7 2016-08-08 09:05 /hbase/hbase.version
drwxr-xr-x   - root supergroup          0 2016-08-08 09:24 /hbase/oldWALs

這說明hbase是以hdfs為儲存介質的，因此它具有分散式儲存擁有的所有優點

hbase的架構如下：

其中HMaster負責管理HRegionServer以實現負載均衡，負責管理和分配HRegion(資料分片)，還負責管理名稱空間和table元資料，以及許可權控制

HRegionServer負責管理本地的HRegion、管理資料以及和hdfs互動。

Zookeeper負責叢集的協調(如HMaster主從的failover)以及叢集狀態資訊的儲存

客戶端傳輸資料直接和HRegionServer通訊

Hive

從http://mirrors.hust.edu.cn/apache/hive下載安裝包，我下的是apache-hive-2.1.1-bin.tar.gz

解壓後，我們先準備hdfs，執行：

解壓後在 /lp/hadoop/apache-hive-2.1.1-bin

開啟conf，準備配置檔案 cp hive-env.sh.template hive-env.sh

修改HADOOP_HOME：HADOOP_HOME=/lp/hadoop/hadoop-2.7.3

複製hive-default.xml.template貼上為hive-site.xml

複製hive-log4j2.properties.template貼上為hive-log4j2.properties

複製hive-exec-log4j2.properties.template貼上為hive-exec-log4j2.properties

解壓後，我們先準備hdfs，執行（下面的命令是在/lp/hadoop/hadoop-2.7.3目錄下執行的）：

[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -mkdir /tmp
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -mkdir /user
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -mkdir /user/hive
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -mkdir /user/hive/warehourse
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -chmod g+w /tmp
[[email protected] hadoop-2.7.3]# ./bin/hadoop fs -chmod g+w /user/hive/warehourse

使用hive必須提前設定好HADOOP_HOME環境變數，這樣它可以自動找到我們的hdfs作為儲存，不妨我們把各種HOME和各種PATH都配置好:

vim ~/.bashrc

點選a修改，新增以下內容

HADOOP_HOME=/lp/hadoop/hadoop-2.7.3
export HADOOP_HOME
HBASE_HOME=/lp/hadoop/hbase-1.2.6
export HBASE_HOME
HIVE_HOME=/lp/hadoop/apache-hive-2.1.1-bin
export HIVE_HOME
PATH=$PATH:$HOME/bin
PATH=$PATH:$HBASE_HOME/bin
PATH=$PATH:$HIVE_HOME/bin
PATH=$PATH:$HADOOP_HOME/bin
export PATH

按esc退出編輯，按ZZ儲存退出。

執行一下“source ~/.bashrc ”，重新載入修改後的配置。

修改/lp/hadoop/apache-hive-2.1.1-bin/conf/hive-site.xml，把其中的${system:java.io.tmpdir}都修改成/lp/hadoop/apache-hive-2.1.1-bin/tmp，你也可以自己設定成自己的tmp目錄，把${system:user.name}都換成使用者名稱，為這裡替換成了luanpeng

初始化元資料資料庫(預設儲存在本地的derby資料庫，也可以配置成mysql)，注意，不要先執行hive命令，否則這一步會出錯，（注意下面的命令是在/lp/hadoop/apache-hive-2.1.1-bin目錄下執行）

[[email protected] apache-hive-2.1.1-bin]#  ./bin/schematool  -dbType derby -initSchema

成功之後我們可以以客戶端形式直接啟動hive，如：

[[email protected] apache-hive-2.1.1-bin]# ./bin/hive
hive> show databases;
OK
default
Time taken: 1.886 seconds, Fetched: 1 row(s)
hive>

試著建立個數據庫是否可以：

hive> create database mydatabase;
OK
Time taken: 0.721 seconds
hive> show databases;
OK
default
mydatabase
Time taken: 0.051 seconds, Fetched: 2 row(s)
hive>

這時候，還是單機版。需要啟動server。啟動之前，先把埠改一下。
修改/lp/hadoop/apache-hive-2.1.1-bin/conf/hive-site.xml檔案

<name>hive.server2.thrift.port</name>
    <value>10000</value>

改成
<name>hive.server2.thrift.port</name>
    <value>8338</value>

然後啟動命令：

[[email protected] apache-hive-2.1.1-bin]# mkdir log ; 
[[email protected] apache-hive-2.1.1-bin]# nohup ./bin/hiveserver2 &>log/hive.log & 

這時可以通過jdbc客戶端連線這個服務訪問hive，埠是8338.

Spark

下載Spark版本和地址：

解壓後的目錄為/lp/hadoop/spark-2.3.0-bin-hadoop2.7

spark有多種部署方式，Standalone模式、Spark On Mesos模式、Spark On YARN模式。

下面我們嘗試spark單機直接跑、spark叢集執行，spark在yarn上執行。

首先支援單機直接跑

如執行樣例程式：（下面的命令是在/lp/hadoop/spark-2.3.0-bin-hadoop2.7中執行的）

[[email protected] spark-2.3.0-bin-hadoop2.7]# ./bin/spark-submit examples/src/main/python/pi.py 10

打印出很多日誌，其中有如下幾條重要日誌：
2018-05-14 20:12:43 INFO  DAGScheduler:54 - Job 0 finished: reduce at /lp/hadoop/spark-2.3.0-bin-hadoop2.7/examples/src/main/python/pi.py:44, took 0.981974 s
Pi is roughly 3.142740
2018-05-14 20:12:43 INFO  AbstractConnector:318 - Stopped [email protected]{HTTP/1.1,[http/1.1]}{0.0.0.0:4040}
2018-05-14 20:12:43 INFO  SparkUI:54 - Stopped Spark web UI at http://192.168.122.1:4040

表示，計算任務成功了。

下面是spark叢集執行任務

修改下預設埠，修改sbin/start-master.sh 檔案

if [ "$SPARK_MASTER_WEBUI_PORT" = "" ]; then
  SPARK_MASTER_WEBUI_PORT=8080
fi

改成

if [ "$SPARK_MASTER_WEBUI_PORT" = "" ]; then
  SPARK_MASTER_WEBUI_PORT=8340
fi

改一下UI埠從8081到8341, 修改sbin/start-slaves.sh檔案

if [ "$SPARK_WORKER_WEBUI_PORT" = "" ]; then
SPARK_WORKER_WEBUI_PORT=8341
fi

執行命令：

[[email protected] spark-2.3.0-bin-hadoop2.7]# sbin/start-master.sh
starting org.apache.spark.deploy.master.Master, logging to /lp/hadoop/spark-2.3.0-bin-hadoop2.7/logs/spark-root-org.apache.spark.deploy.master.Master-1-localhost.out

根據圖片中的url：spark://localhost:7077

再啟動slave

[[email protected] spark-2.3.0-bin-hadoop2.7]# ./sbin/start-slave.sh spark://localhost:7077 

看日誌/lp/hadoop/spark-2.3.0-bin-hadoop2.7/logs資料夾中的日誌若沒有報錯，則ok

看slave 的UI 介面 http://127.0.0.1:8341/ 也能正常看到。 （11.27注：看起來主從都是這臺機器）

現在，就可以把剛剛單機的任務提交到spark叢集上來運行了：

[[email protected] spark-2.3.0-bin-hadoop2.7]# ./bin/spark-submit --master spark://localhost:7077 examples/src/main/python/pi.py 10

結果日誌包括了：
2018-05-14 21:25:44 INFO  DAGScheduler:54 - Job 0 finished: reduce at /lp/hadoop/spark-2.3.0-bin-hadoop2.7/examples/src/main/python/pi.py:44, took 1.894816 s
Pi is roughly 3.152956
2018-05-14 21:25:44 INFO  AbstractConnector:318 - Stopped [email protected]{HTTP/1.1,[http/1.1]}{0.0.0.0:4040}
2018-05-14 21:25:44 INFO  SparkUI:54 - Stopped Spark web UI at http://192.168.122.1:4040

spark部署在yarn叢集上

spark程式也可以部署到yarn叢集上執行，也就是我們部署hadoop時啟動的yarn。當然部署在yarn上首先要要求啟動了hadoop的hdfs和yarn。

我們需要提前配置好HADOOP_CONF_DIR，修改/etc/profile檔案，新增：

HADOOP_HOME=/lp/hadoop/hadoop-2.7.3
export HADOOP_HOME
HBASE_HOME=/lp/hadoop/hbase-1.2.6
export HBASE_HOME
HIVE_HOME=/lp/hadoop/apache-hive-2.1.1-bin
export HIVE_HOME
PATH=$PATH:$HOME/bin
PATH=$PATH:$HBASE_HOME/bin
PATH=$PATH:$HIVE_HOME/bin
PATH=$PATH:$HADOOP_HOME/bin
export PATH


export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop 
export HDFS_CONF_DIR=$HADOOP_HOME/etc/hadoop 
export YARN_CONF_DIR=$HADOOP_HOME/etc/hadoop 

執行以下命令，重新載入配置檔案

source /etc/profile

下面我們把任務部署到yarn叢集上去：

[[email protected] spark-2.3.0-bin-hadoop2.7]# ./bin/spark-submit --master yarn --deploy-mode cluster examples/src/main/python/pi.py 10

總結一下

hdfs是所有hadoop生態的底層儲存架構，它主要完成了分散式儲存系統的邏輯，凡是需要儲存的都基於其上構建

yarn是負責叢集資源管理的部分，這個資源主要指計算資源，因此它支撐了各種計算模組

map-reduce元件主要完成了map-reduce任務的排程邏輯，它依賴於hdfs作為輸入輸出及中間過程的儲存，因此在hdfs之上，它也依賴yarn為它分配資源，因此也在yarn之上

hbase基於hdfs儲存，通過獨立的服務管理起來，因此僅在hdfs之上

hive基於hdfs儲存，通過獨立的服務管理起來，因此僅在hdfs之上

spark基於hdfs儲存，即可以依賴yarn做資源分配計算資源也可以通過獨立的服務管理，因此在hdfs之上也在yarn之上，從結構上看它和mapreduce一層比較像

總之，每一個系統負責了自己擅長的一部分，同時相互依託，形成了整個hadoop生態。