在windows下虚拟机配置spark集群最强攻略！
1、虚拟机安装
首先需要在windows上安装vmware和ubuntu虚拟机，这里就不多说了
vmware下载地址：直接百度搜索，使用百度提供的链接下载，这里附上一个破解码
5A02H-AU243-TZJ49-GTC7K-3C61N
ubuntu下载地址：http://cdimage.ubuntu.com/daily-live/current/
一路安装下去，我一共装了4台虚拟机，三台用于构建集群，一台用于爬虫，如图所示：
2、虚拟机网络配置
这里，我们以slave2为例来说明一下虚拟机的网络配置：
首先，将虚拟机的网络设置设置为自定义，选择VMnet8：
设置虚拟机的网络
随后，我们点击VMWARE上的编辑-虚拟网络编辑-右下角的更改设置，应该有三个连接方式，这里我们把其他两个移除，只剩下VMnet8：
随后，点击NAT设置，我们可以发现网关是192.168.75.2
NAT网关
接下来，我们要设置虚拟机的ip：点击右上角的edit connectinos，设置Ipv4，如下图所示：
修改ip配置
随后修改两个文件：
修改interfaces文件
命令：sudo vim /etc/network/interfaces ( 如果没有vim命令，使用sudo apt-get install vim进行安装）:
配置ip
修改resolv.conf文件
命令：sudo vim /etc/resolv.conf:
配置dns
接下来重启我们的网络就可以啦：
命令：sudo /etc/init.d/networking restart（如果启动失败，重启虚拟机即可)
重启网络
查看我们的ip，使用ifconfig命令，如果没有安装（使用sudo apt install net-tools 进行安装):
查看ip
3、使用xshell连接本地虚拟机（非必须）
下载xshell，百度搜索xshell，使用百度提供的下载地址即可。
要想使用xshell的ssh方式访问虚拟机，首先要在虚拟机上安装ssh服务
使用命令：sudo apt-get install openssh-server
随后启动ssh服务：sudo /etc/init.d ssh start
再次点击VMWARE上的编辑-虚拟网络编辑-右下角的更改设置，设置端口转发：
设置端口转发
随后打开xshell，新建连接：
新建连接
设置用户名和密码：
设置登录信息
随后点击连接即可，发现连接成功！
连接成功
4、修改虚拟机主机名以及hosts文件
这里以修改主节点主机名称为例，其他节点类似。
使用命令 ： sudo vim /etc/hostname 查看当前主机名，并修改为master：
修改主机名
重启之后生效：
主机名修改生效
两个从节点的主机依次修改为slave1，slave2
接下来，将主节点和两个从节点的ip和主机名添加到hosts文件中，使用命令
sudo vim /etc/hosts
修改的结果为：
修改hosts文件
两个从节点的hosts文件修改为同样的结果，此时发现各虚拟机之间可以ping通。
虚拟机之间可以ping通
5、配置SSH免验证登录
接下来，需要让主节点可以免验证的登录到从节点，从而在进行任务调度时可以畅通无阻。
首先要在各个节点上生成公钥和私钥文件，这里以slave1节点进行讲解，其他节点操作方式完全相同。
我们首先要开启ssh服务，使用命令：sudo /etc/init.d/ssh start
开启ssh服务
随后使用如下命令生成公钥和私钥文件：
ssh-keygen -t rsa -P ""
生成秘钥文件
在所有节点上生成秘钥文件之后，我们需要将从节点的公钥传输给主节点，使用命令：
cd ~/.ssh
scp id_rsa.pub sxw@master:~/.ssh/id_rsa.pub.slave1
从节点公钥传输到主节点
随后，在主节点下，将所有的公钥信息拷贝到authorized_keys文件下：
使用命令：
cd ~/.ssh
cat id_rsa.pub >> authorized_keys
cat id_rsa.pub.slave1 >> authorized_keys
cat id_rsa.pub.slave2 >> authorized_keys
合并各公钥
接下来将authorized_keys文件复制到slave1和slave2节点目录下：
scp authorized_keys sxw@slave1:~/.ssh/authorized_keys
scp authorized_keys sxw@slave2:~/.ssh/authorized_keys
接下来我们验证是否可以免密码登录：使用命令
ssh slave1
登陆成功
登陆成功，我们可以使用exit命令退出登录
6、安装java环境
这里我们可以直接使用linux的命令下载jdk，当然也可以在本地下载之后传输到虚拟机中，这里我采用的是后者，因为我感觉在主机上下载会比较快一些。到java官网中下载最新的jdk文件即可。
使用由于刚才我们配置了端口转发，因此我们可以使用winscp进行文件传输：
登录winscp
传输文件到/home/sxw/Documents路径下，直接将文件进行拖拽即可：
传输文件到虚拟机
随后，在该路径下，使用如下命令进行解压：
tar -zxvf 文件名
解压文件
重命名jdk文件夹为jdk
重命名
随后修改配置文件：
sudo vim /etc/profile
添加如下三行：
export JAVA_HOME=/home/sxw/Documents/jdk
export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$CLASSPATH
export PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$PATH
修改配置文件
使用source命令使修改生效，同时查看是否安装成功
jdk安装成功
7、安装scala环境
可以使用命令下载scala，不过我们仍然选择在本地下载scala：
下载地址：http://www.scala-lang.org/download/2.11.7.html
通过winscp传入各虚拟机里，并使用如下命令进行解压:
tar -zxvf 文件名
解压scala
重命名文件：
重命名
修改配置文件，增加以下两行，并用source命令使修改生效：
添加环境变量
检查是否安装成功：
检查scala版本
可以看到scala已经安装成功了！
8、安装hadoop配置环境
我们首先在主节点上配置好hadoop的文件，随后使用scp命令传输到从节点上即可。
同样，我们在hadoop官网下载hadoop文件，通过winscp传入主节点，使用tar命令进行解压，并修改文件夹名为hadoop，这些这里暂且略过。
修改环境变量（所有节点都需要修改）并使用source命令使其生效：
修改环境变量
接下来修改hadoop的配置文件：
（1）$HADOOP_HOME/etc/hadoop/hadoop-env.sh
修改JAVA_HOME 如下：
export JAVA_HOME=/home/sxw/Documents/jdk
（2）$HADOOP_HOME/etc/hadoop/slaves
修改salves里添加两个从节点的名称
slave1
slave2
（3）$HADOOP_HOME/etc/hadoop/core-site.xml
core-site.xml修改
（4）$HADOOP_HOME/etc/hadoop/hdfs-site.xml
hdfs-site.xml修改
（5）$HADOOP_HOME/etc/hadoop/mapred-site.xml
首先使用如下命令生成mapred-site.xml文件：
cp mapred-site.xml.template mapred-site.xml
随后进行修改：
mapred-site.xml修改
（6）$HADOOP_HOME/etc/hadoop/yarn-site.xml
yarn-site.xml修改
至此，hadoop的配置文件就修改完了，我们用scp命令将修改好的hadoop文件传入到子节点即可
9、安装spark环境
我们首先在主节点上配置好spark的文件，随后使用scp命令传输到从节点上即可。
同样在spark官网下载最新的spark文件，并使用winscp传入虚拟机，使用tar命令进行解压，并重命名文件夹为spark。
添加spark到环境变量并使其生效：
配置spark环境变量
接下来修改spark的配置文件：
（1）$SPARK_HOME/conf/spark-env.sh
首先使用如下命令生成spark-env.sh文件：
cpspark-env.sh.template spark-env.sh
随后进行修改：
spark-env.sh修改
（2）$SPARK_HOME/conf/slaves
首先使用如下命令生成slaves文件：
cpslaves.template slaves
随后进行修改：
slaves修改
至此，spark的配置文件就修改完了，我们用scp命令将修改好的spark文件传入到子节点即可，不要忘记修改子节点的环境变量
10、集群启动和关闭
首先我们编写一个启动脚本：
启动脚本
可以看到，hadoop的启动需要两个命令，分别启动dfs和yarn，传统的start-all.sh已经被弃用。而spark的启动只需要一个命令。
启动的结果如下图所示：
启动结果
随后我们再编写一个关闭集群的脚本：
关闭集群脚本
11、Hadoop测试
我们在/home/sxw/Documents下建立一个wordcount.txt文件
文件内容如下图：
wordcount.txt
到hadoop的bin路径下执行如下三条命令：
hadoop fs -mkdir-p /Hadoop/Input
hadoop fs-put wordcount.txt /Hadoop/Input
hadoop jar /home/sxw/Documents/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar wordcount /Hadoop/Input /Hadoop/Output
可以看到我们的hadoop再进行运算了：
命令
hadoop运算中
使用如下命令查看运算结果，发现我们的期望的结果正确输出：
hadoop fs -cat/Hadoop/Output/*
结果输出
hadoop配置成功！
12、spark测试
我们直接利用spark-shell 进行测试，编写几条简单额scala语句：
到spark的bin路径下执行./spark-shell命令进入scala的交互模式，并输入如下几条scala语句：
valfile=sc.textFile("hdfs://master:9000/Hadoop/Input/wordcount.txt")
val rdd=file.flatMap(line => line.split("")).map(word => (word,1)).reduceByKey(_+_)
rdd.collect()
rdd.foreach(println)
启动spark-shell
运算结果
可以看到，我们的spark集群成功搭建！
哇，至此，我们的spark-hadoop集群搭建就告一段落了，如果你喜欢本文的话，麻烦点个喜欢哟，您的支持是小编前进下去的最大动力！
加我微信，我们一起学习，一起进步！
我的微信
