一 下载安装包
1 官方下载
官方下载地址：
2 安装前提
- Java8 安装成功
- zookeeper 安装成功
- hadoop 安装成功
- Scala 安装成功
注意：从Spark2.0版开始，默认使用Scala 2.11构建。Scala 2.10用户应该下载Spark源包并构建 。
3 集群规划
| 节点名称 | Zookeeper | Master | Worker |
| node21 | QuorumPeerMain | 主Master | |
| node22 | QuorumPeerMain | 备Master | Worker |
| node23 | QuorumPeerMain | Worker |
二 集群安装
1 解压缩
[admin@node21 software]$ tar zxvf spark-2.3.1-bin-hadoop2.7.tgz -C /opt/module/[admin@node21 module]$ mv spark-2.3.1-bin-hadoop2.7 spark-2.3.1
2 修改配置文件
（1）进入配置文件所在目录
[admin@node21 ~]$ cd /opt/module/spark-2.3.1/conf/[admin@node21 conf]$ lltotal 36-rw-rw-r-- 1 admin admin 996 Jun 2 04:49 docker.properties.template-rw-rw-r-- 1 admin admin 1105 Jun 2 04:49 fairscheduler.xml.template-rw-rw-r-- 1 admin admin 2025 Jun 2 04:49 log4j.properties.template-rw-rw-r-- 1 admin admin 7801 Jun 2 04:49 metrics.properties.template-rw-rw-r-- 1 admin admin 870 Jul 4 23:50 slaves.template -rw-rw-r-- 1 admin admin 1292 Jun 2 04:49 spark-defaults.conf.template-rwxrwxr-x 1 admin admin 4861 Jul 5 00:25 spark-env.sh.template
（2）复制spark-env.sh.template并重命名为spark-env.sh
[admin@node21 conf]$ cp spark-env.sh.template spark-env.sh[admin@node21 conf]$ vi spark-env.sh
编辑并在文件末尾添加如下配置内容
#指定默认master的ip或主机名export SPARK_MASTER_HOST=node21 #指定maaster提交任务的默认端口为7077 export SPARK_MASTER_PORT=7077 #指定masster节点的webui端口 export SPARK_MASTER_WEBUI_PORT=8080 #每个worker从节点能够支配的内存数 export SPARK_WORKER_MEMORY=1g #允许Spark应用程序在计算机上使用的核心总数（默认值：所有可用核心）export SPARK_WORKER_CORES=1 #每个worker从节点的实例（可选配置） export SPARK_WORKER_INSTANCES=1 #指向包含Hadoop集群的（客户端）配置文件的目录，运行在Yarn上配置此项 export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop #指定整个集群状态是通过zookeeper来维护的，包括集群恢复export SPARK_DAEMON_JAVA_OPTS=" -Dspark.deploy.recoveryMode=ZOOKEEPER -Dspark.deploy.zookeeper.url=node21:2181,node22:2181,node23:2181-Dspark.deploy.zookeeper.dir=/sparkmaster"
（3）复制slaves.template成slaves，并修改配置内容
[admin@node21 conf]$ cp slaves.template slaves[admin@node21 conf]$ vi slaves
修改从节点
node22node23
（4）将安装包分发给其他节点
[admin@node21 module]$ scp -r spark-2.3.1 admin@node22:/opt/module/[admin@node21 module]$ scp -r spark-2.3.1 admin@node23:/opt/module/
修改node22节点上conf/spark-env.sh配置的MasterIP为SPARK_MASTER_IP=node22
3 配置环境变量
所有节点均要配置
[admin@node21 spark-2.3.1]$ sudo vi /etc/profileexport SPARK_HOME=/opt/module/spark-2.3.1export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin[admin@node21 spark-2.3.1]$ source /etc/profile
三 启动集群
1 启动zookeeper集群
所有zookeeper节点均要执行
[admin@node21 ~]$ zkServer.sh start
2 启动HDFS集群
[admin@node21 ~]$ start-dfs.sh[admin@node22 ~]$ start-yarn.sh [admin@node23 ~]$ yarn-daemon.sh start resourcemanager
3 启动Spark集群
启动spark：启动master节点：sbin/start-master.sh 启动worker节点：sbin/start-slaves.sh
或者：sbin/start-all.sh
[admin@node21 spark-2.3.1]$ sbin/start-all.shstarting org.apache.spark.deploy.master.Master, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.master.Master-1-node21.outnode22: starting org.apache.spark.deploy.worker.Worker, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.worker.Worker-1-node22.outnode23: starting org.apache.spark.deploy.worker.Worker, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.worker.Worker-1-node23.out
注意：备用master节点需要手动启动
[admin@node22 spark-2.3.1]$ sbin/start-master.sh starting org.apache.spark.deploy.master.Master, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.master.Master-1-node22.out
4 查看进程
[admin@node21 spark-2.3.1]$ jps1316 QuorumPeerMain3205 Jps3110 Master1577 DataNode1977 DFSZKFailoverController1788 JournalNode2124 NodeManager[admin@node22 spark-2.3.1]$ jps1089 QuorumPeerMain1233 DataNode1617 ResourceManager1159 NameNode1319 JournalNode1735 NodeManager3991 Master4090 Jps1435 DFSZKFailoverController3918 Worker[admin@node23 spark-2.3.1]$ jps1584 ResourceManager1089 QuorumPeerMain1241 JournalNode2411 Worker1164 DataNode1388 NodeManager2478 Jps
四 验证集群HA
1 看Web页面Master状态
node21是ALIVE状态，node22为STANDBY状态，WebUI查看：
从节点连接地址：
2 验证HA的高可用
手动干掉node21上面的Master进程，node21:8080无法访问，node22:8080状态如下，Master状态成功自动进行切换。
3 HA注意点
- 主备切换过程中不能提交Application。
- 主备切换过程中不影响已经在集群中运行的Application。因为Spark是粗粒度资源调度。
五 配置历史服务器
1 临时配置
对本次提交的应用程序起作用
./spark-shell --master spark://node21:7077 --name myapp1--conf spark.eventLog.enabled=true--conf spark.eventLog.dir=hdfs://node21:8020/spark/test
停止程序，在Web Ui中Completed Applications对应的ApplicationID中能查看history。
2 永久配置
spark-default.conf配置文件中配置HistoryServer，对所有提交的Application都起作用
在客户端节点，进入../spark-2.3.0/conf/ spark-defaults.conf最后加入:
//开启记录事件日志的功能spark.eventLog.enabled true//设置事件日志存储的目录spark.eventLog.dir hdfs://node21:8020/spark/test//设置HistoryServer加载事件日志的位置spark.history.fs.logDirectory hdfs://node21:8020/spark/test//日志优化选项,压缩日志spark.eventLog.compress true
启动HistoryServer：
./start-history-server.sh
访问HistoryServer：node21:18080,之后所有提交的应用程序运行状况都会被记录。
六 故障问题
1 Worker节点无法启动
[admin@node21 spark-2.3.1]$ sbin/start-all.sh starting org.apache.spark.deploy.master.Master, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.master.Master-1-node21.outnode23: starting org.apache.spark.deploy.worker.Worker, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.worker.Worker-1-node23.outnode22: starting org.apache.spark.deploy.worker.Worker, logging to /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.worker.Worker-1-node22.outnode23: failed to launch: nice -n 0 /opt/module/spark-2.3.1/bin/spark-class org.apache.spark.deploy.worker.Worker --webui-port 8081 --port 7078 spark://node21:7077node23: full log in /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.worker.Worker-1-node23.outnode22: failed to launch: nice -n 0 /opt/module/spark-2.3.1/bin/spark-class org.apache.spark.deploy.worker.Worker --webui-port 8081 --port 7078 spark://node21:7077node22: full log in /opt/module/spark-2.3.1/logs/spark-admin-org.apache.spark.deploy.worker.Worker-1-node22.out
由于之前在conf/spark-env.sh里配置了如下信息
#每个worker从节点的端口（可选配置） export SPARK_WORKER_PORT=7078 #每个worker从节点的wwebui端口（可选配置） export SPARK_WORKER_WEBUI_PORT=8081
可能是由于端口问题去掉上述两项配置，重启成功。
2 启动Spark on YARN报错
Caused by: java.net.ConnectException: Connection refused
[admin@node21 spark-2.3.1]$ spark-shell --master yarn --deploy-mode client
报错原因：内存资源给的过小，yarn直接kill掉进程，则报rpc连接失败、ClosedChannelException等错误。
解决方法：
先停止YARN服务，然后修改yarn-site.xml，增加如下内容
yarn.nodemanager.vmem-check-enabled false yarn.nodemanager.vmem-pmem-ratio 4
将新的yarn-site.xml文件分发到其他Hadoop节点对应的目录下，最后在重新启动YARN。
重新执行以下命令启动spark on yarn，启动成功