如何用dw做网站朱腾鹏个人网站
以下是使用 Spark Standalone 模式搭建集群的详细步骤：
1. 环境准备
1.1 集群规划
假设有 3 台服务器：
- 主节点 (Master)：spark-master (192.168.1.100)
- 工作节点 (Worker)：spark-worker1 (192.168.1.101)、spark-worker2 (192.168.1.102)
1.2 系统要求
- 所有节点安装相同版本的 Java 8+（推荐 OpenJDK 11）
- 所有节点安装 Python 3.6+（可选，用于 PySpark）
- 关闭防火墙或开放以下端口：
- Master：7077（集群通信）、8080（Web UI）
- Worker：8081（Web UI）
2. 安装 Spark
2.1 下载 Spark
从 Apache Spark 官网 下载预编译版本（如 spark-3.3.2-bin-hadoop3）：
bash
wget https://downloads.apache.org/spark/spark-3.3.2/spark-3.3.2-bin-hadoop3.tgz
tar -zxvf spark-3.3.2-bin-hadoop3.tgz
mv spark-3.3.2-bin-hadoop3 /opt/spark
2.2 配置环境变量
在所有节点的 ~/.bashrc 中添加：
bash
export SPARK_HOME=/opt/spark
export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin
使环境变量生效：
bash
source ~/.bashrc
3. 配置 Spark Standalone
3.1 主节点配置
在 Master 节点 (spark-master) 上编辑以下文件：
3.1.1 spark-env.sh
复制模板并编辑：
bash
cd $SPARK_HOME/conf
cp spark-env.sh.template spark-env.sh
添加以下内容：
bash
export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64 # 根据实际路径修改
export SPARK_MASTER_HOST=192.168.1.100
export SPARK_MASTER_PORT=7077
export SPARK_WORKER_MEMORY=2g # 每个 Worker 可用内存
export SPARK_WORKER_CORES=2 # 每个 Worker 可用 CPU 核心数
3.1.2 workers
复制模板并编辑：
bash
cp workers.template workers
添加所有 Worker 节点的主机名或 IP：
plaintext
spark-worker1
spark-worker2
3.2 分发配置到 Worker 节点
将配置好的 Spark 目录复制到所有 Worker 节点：
bash
# 在 Master 节点执行
scp -r /opt/spark spark-worker1:/opt/
scp -r /opt/spark spark-worker2:/opt/
4. 启动集群
4.1 启动 Master 节点
在 spark-master 上执行：
bash
start-master.sh
验证 Master 启动成功：访问 http://192.168.1.100:8080，应看到 Spark Master 界面。
4.2 手动启动 Worker 节点（可选）
若自动启动失败，可在每个 Worker 节点手动启动：
bash
start-worker.sh spark://192.168.1.100:7077
4.3 验证集群状态
刷新 Master Web UI，应看到两个 Worker 节点已注册。
5. 提交 Spark 应用
使用 spark-submit 提交应用到集群：
bash
spark-submit \--master spark://192.168.1.100:7077 \--class org.apache.spark.examples.SparkPi \--executor-memory 1g \--total-executor-cores 2 \$SPARK_HOME/examples/jars/spark-examples_2.12-3.3.2.jar \100
6. 高级配置（可选）
6.1 动态分配资源
在 spark-defaults.conf 中启用：
bash
cp spark-defaults.conf.template spark-defaults.conf
添加：
properties
spark.dynamicAllocation.enabled true
spark.shuffle.service.enabled true
6.2 高可用性（HA）
配置 ZooKeeper 实现 Master 高可用：
bash
export SPARK_DAEMON_JAVA_OPTS="-Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=zk1:2181,zk2:2181,zk3:2181 -Dspark.deploy.zookeeper.dir=/spark"
7. 常用命令
bash
# 停止集群
stop-all.sh# 启动历史服务器
start-history-server.sh# 查看日志
cd $SPARK_HOME/logs
8. 故障排查
- Worker 无法连接 Master：检查防火墙、主机名解析和
spark-env.sh配置。 - 内存不足：调整
SPARK_WORKER_MEMORY和spark.executor.memory参数。 - Web UI 无法访问：确保端口开放且 Master/Worker 服务正常运行。