目录
3.第三步：同步bigdata01中的spark到bigdata02和03上
前言：
上一篇介绍的是Spark的程序运行在standalone模式，这篇是Yarn模式！！！
为什么要将Spark的程序运行在YARN上，不运行在自带的 Standalone集群上？
- 统一化资源管理
Standalone是Spark专用的资源管理集群，只能用于运行 Spark程序
YARN是功能的分布式资源管理平台，可以运行各种分布式程 序：MR、Tez、Spark、Flink
工作中硬件集群只有一套，只能选择一个平台来管理，从整个技术架构来说选择YARN更合适
- YARN调度机制更加完善和成熟
支持动态资源分配以及多种调度机制，比如容量调度、公平调度。
一、安装步骤
安装前准备
- 首先准备至少三台服务器 —— 我的三台服务器分别是:bigdata01 bigdata02 bigdata03
- 各个服务器上都要安装jdk 、hadoop(yarn)
- 在bigdata01服务器上有同步的脚本：xsync.sh（不是必须的）
我的所有安装包放在/opt/modules下，解压在/opt/installs下
1.第一步：安装python
通过Anaconda 安装 ，因为这个软件不仅有python还有其他的功能，比单纯安装python功能要强大。分别在bigdata01 bigdata02 bigdata03上安装Anaconda
请看上一篇standalone模式安装Anaconda的步骤，安装步骤一模一样，一步一步安装即可。
2.第二步：在bigdata01上安装spark
#1.上传解压安装：上传安装包到/opt/modules
cd /opt/modules/
tar -zxf spark-3.1.2-bin-hadoop3.2.tgz -C /opt/installs
#2.重命名
cd /opt/installs
mv spark-3.1.2-bin-hadoop3.2 spark-yarn
# 3.构建软连接（这一步可有可无）
ln -s /opt/installs/spark-yarn /opt/installs/spark④在HDFS上创建程序日志存储目录
# 第一台机器启动HDFS
start-dfs.sh
# 创建程序运行日志的存储目录
hdfs dfs -mkdir -p /spark/eventLogs/注意：！！！首先如果没有启动hdfs，需要启动一下
⑤修改配置文件
修改spark-env.sh配置文件:
cd /opt/installs/spark/conf
mv spark-env.sh.template spark-env.sh
vim /opt/installs/spark/conf/spark-env.sh## 22行左右设置JAVA安装目录、HADOOP和YARN配置文件目录
export JAVA_HOME=/opt/installs/jdk
export HADOOP_CONF_DIR=/opt/installs/hadoop/etc/hadoop
export YARN_CONF_DIR=/opt/installs/hadoop/etc/hadoop
## 历史日志服务器
export SPARK_DAEMON_MEMORY=1g
export SPARK_HISTORY_OPTS="-Dspark.history.fs.logDirectory=hdfs://bigdata01:9820/spark/eventLogs/ -Dspark.history.fs.cleaner.enabled=true"
修改spark-defaults.conf 文件：
cd /opt/installs/spark/conf
mv spark-defaults.conf.template spark-defaults.conf
vim spark-defaults.conf## 添加内容：
spark.eventLog.enabled true
spark.eventLog.dir hdfs://bigdata01:9820/spark/eventLogs
spark.eventLog.compress true
spark.yarn.historyServer.address bigdata01:18080
spark.yarn.jars hdfs://bigdata01:9820/spark/jars/*
修改log4j.properties:
mv log4j.properties.template log4j.properties
vim log4j.properties# 19行：修改日志级别为WARN
log4j.rootCategory=WARN, console
上传spark jar包：
#因为YARN中运行Spark，需要用到Spark的一些类和方法
#如果不上传到HDFS，每次运行YARN都要上传一次，比较慢
#所以自己手动上传一次，以后每次YARN直接读取即可
hdfs dfs -mkdir -p /spark/jars/
hdfs dfs -put /opt/installs/spark/jars/* /spark/jars/修改yarn-site.xml:
cd /opt/installs/hadoop/etc/hadoop检查以下内置少什么，就配什么。
<property>
<name>yarn.log-aggregation-enable</name>
<value>true</value>
</property><!-- 历史日志在HDFS保存的时间，单位是秒 -->
<!-- 默认的是-1，表示永久保存 -->
<property>
<name>yarn.log-aggregation.retain-seconds</name>
<value>604800</value>
</property><property>
<name>yarn.log.server.url</name>
<value>http://bigdata01:19888/jobhistory/logs</value>
</property><!-- 关闭yarn内存检查 -->
<property>
<name>yarn.nodemanager.pmem-check-enabled</name>
<value>false</value>
</property>
<property>
<name>yarn.nodemanager.vmem-check-enabled</name>
<value>false</value>
</property>
3.第三步：同步bigdata01中的spark到bigdata02和03上
- 如果你bigdata01上有同步脚本，直接执行下面命令即可。
# 分发一下yarn-site.xml
xsync.sh yarn-site.xml
# 将第一台机器的spark-yarn分发到第二台和第三台
xsync.sh /opt/installs/spark-yarn
# 超链接也分发一下
xsync.sh /opt/installs/spark- 如果没有，需要按照上面bigdata01的步骤在bigdata02 bigdata03上再安装一遍。
二、启动
# 启动yarn
start-yarn.sh
# 启动MR的JobHistoryServer：19888
mapred --daemon start historyserver
# 启动Spark的HistoryServer:18080
/opt/installs/spark/sbin/start-history-server.sh三、可打开yarn界面查看任务
bigdata01:8088
