spark3.3.1 CDH 打包
因为 CDH 在 6.3.2 之后开始收费，而自带的spark版本太低，还阉割了 spark-sql 功能。所以我们直接外挂spark3.3.1，使用 CDH 6.3.2 相关的 hadoop lib。
下载相关组件
wget https://archive.apache.org/dist/maven/maven-3/3.8.6/source/apache-maven-3.8.6-src.tar.gz
wget https://archive.apache.org/dist/spark/spark-3.3.1/spark-3.3.1.tgz
mv spark-3.3.1.tgz apache-maven-3.6.3-src.tar.gz /opt/
cd /opt/
tar -zxvf spark-3.3.1.tgz
tar -zxvf apache-maven-3.6.3-src.tar.gz
更改环境变量
# 登陆 10.0.1.20
# 环境变量的一些相关配置 可忽略
# 实例：
ava.sh maven.sh scala.sh
==> java.sh <==
export JAVA_HOME=/opt/jdk1.8.0_351
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib:$CLASSPATH
export JAVA_PATH=${JAVA_HOME}/bin:${JRE_HOME}/bin
export PATH=${JAVA_PATH}:${PATH}
==> maven.sh <==
export MAVEN_HOME=/opt/apache-maven-3.6.3
export PATH=$PATH:$MAVEN_HOME/bin
==> scala.sh <==
export SCALA_HOME=/opt/scala-2.12.17
export PATH=$PATH:$SCALA_HOME/bin
# 验证 请保证每个环境参数都存在。
echo $JAVA_HOME
echo $JRE_HOME
echo $CLASSPATH
echo $JAVA_PATH
echo $MAVEN_HOME
echo $SCALA_HOME
echo $PATH # 上述的JAVA JRE MAVEN都存在
java -version
scala -version
mvn -v
更改相关配置文件
添加maven中央仓库 和 cloudera 仓库
vim ${SPARK_HOME}/pom.xml
在 repositories中添加
这里也需要将hadoop verison进行更改
更改mvn地址
vim ./dev/make-distribution.sh
#MVN="$SPARK_HOME/build/mvn"
MVN="/opt/apache-maven-3.6.3/bin/mvn"
maven 打包参数
vim ./dev/make-distribution.sh
# 将原始 export MAVEN_OPTS="${MAVEN_OPTS:--Xmx2g -XX:ReservedCodeCacheSize=1g}"
# 更改为
export MAVEN_OPTS="${MAVEN_OPTS:--Xmx6g -XX:ReservedCodeCacheSize=2g}"
更改 scala版本
scala -version
# 2.12
./dev/change-scala-version.sh 2.12
maven编译命令
用的是spark的 ./dev/make-distribution.sh 脚本进行编译，这个脚本其实也是用maven编译的，
–tgz 指定以tgz结尾–name后面跟的是我们Hadoop的版本，在后面生成的tar包我们会发现名字后面的版本号也是这个（这个可以看make-distribution.sh源码了解）-Pyarn 是基于yarn-Dhadoop.version=3.0.0-cdh6.3.2 指定Hadoop的版本。
./dev/make-distribution.sh \
--name 3.0.0-cdh6.3.2 --tgz -Pyarn -Phadoop-3.0 \
-Phive -Phive-thriftserver -Dhadoop.version=3.0.0-cdh6.3.2 -X
maven打包完毕
版本包打完结果： 会有一个名为 spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz 的版本包出现。
安装 spark3-cdh
在 /opt/cloudera/parcels/CDH/ 中安装spark-3.3.1
cp spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz /opt/cloudera/parcels/CDH/lib
cd /opt/cloudera/parcels/CDH/lib
tar -zxvf spark-3.3.1-bin-3.0.0-cdh6.3.2.tgz
mv spark-3.3.1-bin-3.0.0-cdh6.3.2 spark3
配置 spark-env
cp /etc/spark/conf/spark-env.sh /opt/cloudera/parcels/CDH/lib/spark3/conf
vim ./conf/spark-env.sh
# 更改一下 SPARK_HOME（其实也不用更改，但需要确认目录是否正确)
cp /etc/hive/conf/hive-site.xml /opt/cloudera/parcels/CDH/lib/spark3/conf/
# 确保CDH已经正常启动，并且resourcesManager已经启动
编辑一个 spark-sql
vim ${SPARK3_HOME}/bin/spark-sql
#vim /opt/cloudera/parcels/CDH/bin/spark-sql
#!/bin/bash
# Reference: http://stackoverflow.com/questions/59895/can-a-bash-script-tell-what-directory-its-stored-in
export HADOOP_CONF_DIR=/etc/hadoop/conf
export YARN_CONF_DIR=/etc/hadoop/conf
SOURCE="${BASH_SOURCE[0]}"
BIN_DIR="$( dirname "$SOURCE" )"
while [ -h "$SOURCE" ]
do
SOURCE="$(readlink "$SOURCE")"
[[ $SOURCE != /* ]] && SOURCE="$BIN_DIR/$SOURCE"
BIN_DIR="$( cd -P "$( dirname "$SOURCE" )" && pwd )"
done
BIN_DIR="$( cd -P "$( dirname "$SOURCE" )" && pwd )"
LIB_DIR=$BIN_DIR/../lib
export HADOOP_HOME=$LIB_DIR/hadoop
# Autodetect JAVA_HOME if not defined
. $LIB_DIR/bigtop-utils/bigtop-detect-javahome
exec $LIB_DIR/spark3/bin/spark-submit --class org.apache.spark.sql.hive.thriftserver.SparkSQLCLIDriver "$@"
完成后使用 alternatives 进行环境变量管控
alternatives --install /usr/bin/spark-sql spark-sql /opt/cloudera/parcels/CDH/bin/spark-sql 1
alternatives --config spark-sql
# 如果有多个版本，切换为刚刚配置的
验证 spark-sql
进入spark-sql
show databases;
use ods;
show tables;
该节点spark-sql搭建完毕。
其余节点只需要scp spark包，并进行对应操作即可。
PS 打包出来的文件
https://download.csdn.net/download/qq_36610426/87125679
不需要积分下载，请好评！
文章来源
您阅读本篇文章共花了： 大家都在找：
hadoop：hadoop大数据架构
spark：spark实训总结
CDH：承兑汇票是什么意思
发表评论