[Author]: kwu (和讯大数据)
基本CDH5.4的Spark1.4.1下SparkR的部署,R与Spark的结合为数据分析提供高效的解决方案,Hadoop的中hdfs为数据分析提供分布式存储。本文介绍集成安装的步骤:
1、集群的环境
CDH5.4+Spark1.4.1
配置环境变量
#java export JAVA_HOME=/usr/java/jdk1.7.0_67-cloudera export JAVA_BIN=$JAVA_HOME/bin export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar export PATH=$PATH:$JAVA_HOME/bin export JAVA_LIBRARY_PATH=/opt/cloudera/parcels/CDH/lib/hadoop/lib/native export MAVEN_HOME=/opt/softwares/apache-maven-3.3.3 export PATH=$PATH:$MAVEN_HOME/bin #rhadoop export HADOOP_HOME=/opt/cloudera/parcels/CDH/lib/hadoop export HADOOP_CONF_DIR=/etc/hadoop/conf export HADOOP_CMD=/usr/bin/hadoop export HADOOP_STREAMING=/opt/cloudera/parcels/CDH/lib/hadoop-0.20-mapreduce/contrib/streaming/hadoop-streaming-2.6.0-mr1-cdh5.4.0.jar export HIVE_HOME=/opt/cloudera/parcels/CDH/lib/hive export R_HOME=/usr/lib64/R #spark export SPARK_HOME=/opt/modules/spark export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin export LANG=zh_CN.UTF-8
2、R语言环境最新版本R-3.2.2
1) 安装R前需要打的补丁
yum -y install gcc-gfortran yum -y install gcc gcc-c++ yum -y install readline-devel yum -y install libXt-devel
2) 下载R安装需要的软件包,注意这里不要使用yum安装,否则造成java版本不一致的情况。
需要下载的包:
R-3.2.2.tar.gz
rJava_0.9-7.tar.gz
rhdfs_1.0.8.tar.gz
下载链接: http://pan.baidu.com/s/1nt5qkJn
3) 安装R-3.2.3
解压安装包
tar zxfv R-3.2.2.tar.gz
编译安装
./configure
make && make install
4) 安装rJava与rhdfs
R CMD INSTALL "rJava_0.9-7.tar.gz"
R CMD INSTALL "rhdfs_1.0.8.tar.gz"
5)设置native
export JAVA_LIBRARY_PATH=/opt/cloudera/parcels/CDH/lib/hadoop/lib/native
native下面的libhadoop.so.0 及 libhadoop.so.1.0.0拷贝到 /usr/lib64
6)注意以上步骤,需要集群中所有的节点都要安装。
3、运行sparkR
最新版本的Spark1.4.1在编译时,就集成了sparkR的组件:
启动sparkR
/opt/modules/spark/bin/sparkR --master spark://10.130.2.20:7077 --executor-memory 8g --total-executor-cores 45 --conf spark.ui.port=54089
启动时分配相应的内存、CPU资源及UI的端口
1)启动日志:
开始显示R的版本,这与原来的R启动显示一致
启动完毕出现 Welcome to SparkR 则为成功运行sparkR
2) 在spark集群监控页面查看:
SparkR与集群中的任务一样,出现在Running Applications的列表中
ok , 基于CDH5.4的Spark1.4.1下SparkR的部署完毕,以上提到命令及安装包本人亲测试并运行成功。转载请注明和讯大数据,谢谢。
版权声明:本文为博主原创文章,未经博主允许不得转载。