1、安装

如下配置，除了配置spark还配置了spark history服务

#先到http://spark.apache.org/根据自己的环境选择编译好的包，然后获取下载连接
cd /opt
mkdir spark
wget http://d3kbcqa49mib13.cloudfront.net/spark-2.0.1-bin-hadoop2.6.tgz
tar -xvzf spark-2.0.1-bin-hadoop2.6.tgz
cd spark-2.0.1-bin-hadoop2.6/conf

复制一份spark-env.sh.template，改名为spark-env.sh。然后编辑spark-env.sh

export JAVA_HOME=/usr/java/jdk1.8.0_111
export SPARK_MASTER_HOST=hadoop-n

复制一份spark-defaults.conf.template，改成为spark-defaults.conf，然后编辑spark-defaults.conf

#指定master地址，以便在启动的时候不用再添加--master参数来启动集群
spark.master                                        spark://hadoop-n:7077
#对sql查询进行字节码编译，小数据量查询建议关闭
spark.sql.codegen                                   true
#开启任务预测执行机制，当出现比较慢的任务时，尝试在其他节点执行该任务的一个副本，帮助减少大规模集群中个别慢任务的影响
spark.speculation                                   true
#默认序列化比较慢，这个是官方推荐的
spark.serializer                                    org.apache.spark.serializer.KryoSerializer
#自动对内存中的列式存储进行压缩
spark.sql.inMemoryColumnarStorage.compressed        true
#是否开启event日志
spark.eventLog.enabled                              true
#event日志记录目录，必须是全局可见的目录，如果在hdfs需要先建立文件夹
spark.eventLog.dir                                  hdfs://hadoop-n:9000/spark_history_log/spark-events
#是否启动压缩
spark.eventLog.compress                 true

复制一份slaves.template，改成为slaves，然后编辑slaves

hadoop-d1
hadoop-d2

从$HIVE_HOME/conf下拷贝一份hive-site.xml到当前目录下。

编辑/etc/下的profile，在末尾处添加

export SPARK_HOME=/opt/spark/spark-2.0.1-bin-hadoop2.6
export PATH=$PATH:$SPARK_HOME/bin
export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop
export SPARK_HISTORY_OPTS="-Dspark.history.ui.port=18080 -Dspark.history.retainedApplications=3 -Dspark.history.fs.logDirectory=hdfs://hadoop-n:9000/spark_history_log/spark-events"

为了保证绝对生效，/etc/bashrc也做同样设置，然后刷新设置

source /etc/profile
source /etc/bashrc

2、启动

a）首先启动hadoop；

cd $HADOOP_HOME/sbin
./start-dfs.sh

访问http://ip:port：50070查看是否启动成功

b）然后启动hive

cd $HIVE_HOME/bin
./hive --service metastore

执行beeline或者hive命令查看是否启动成功，默认hive日志在/tmp/${username}/hive.log

c）最后启动spark

cd $SPARK_HOME/sbin
./start-all.sh

sprark ui ：http://hadoop-n:8080

spark客户端

cd $SPARK_HOME/bin
./spark-shell

sparksql客户端

cd $SPARK_HOME/bin
./spark-sql

注意执行命令后提示的webui的端口号，通过webui可以查询对应监控信息。

启动thriftserver

cd $SPARK_HOME/sbin
./start-thriftserver.sh 

spark thriftserver ui：http://hadoop-n:4040

启动historyserver

cd $SPARK_HOME/sbin
./start-history-server.sh

spark histroy ui：http://hadoop-n:18080

3、使用jdbc连接基于hive的sparksql

a）如果hive启动了hiveserver2，关闭

b）执行如下命令启动服务

cd $SPARK_HOME/sbin
./start-thriftserver.sh

执行如下命令测试是否启动成功

cd $SPARK_HOME/bin
./beeline -u jdbc:hive2://ip:10000
#如下是实际输出
[root@hadoop-n bin]# ./beeline -u jdbc:hive2://hadoop-n:10000
Connecting to jdbc:hive2://hadoop-n:10000
16/11/08 21:03:05 INFO jdbc.Utils: Supplied authorities: hadoop-n:10000
16/11/08 21:03:05 INFO jdbc.Utils: Resolved authority: hadoop-n:10000
16/11/08 21:03:05 INFO jdbc.HiveConnection: Will try to open client transport with JDBC Uri: jdbc:hive2://hadoop-n:10000
Connected to: Spark SQL (version 2.0.1)
Driver: Hive JDBC (version 1.2.1.spark2)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 1.2.1.spark2 by Apache Hive
0: jdbc:hive2://hadoop-n:10000> show databases;
+---------------+--+
| databaseName  |
+---------------+--+
| default       |
| test          |
+---------------+--+
2 rows selected (0.829 seconds)
0: jdbc:hive2://hadoop-n:10000>

编写代码连接sparksql

按照自己的环境添加依赖

<dependencies><dependency><groupId>jdk.tools</groupId><artifactId>jdk.tools</artifactId><version>1.6</version><scope>system</scope><systemPath>${JAVA_HOME}/lib/tools.jar</systemPath></dependency><dependency><groupId>org.apache.hive</groupId><artifactId>hive-jdbc</artifactId><version>1.2.1</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-common</artifactId><version>2.6.0</version></dependency></dependencies>

然后编写类

/**   ** @Title: HiveJdbcTest.java * @Package com.scc.hive * @Description: TODO(用一句话描述该文件做什么) * @author scc* @date 2016年11月9日 上午10:16:32   */
package com.scc.hive;import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;/**** @ClassName: HiveJdbcTest* @Description: TODO(这里用一句话描述这个类的作用)* @author scc* @date 2016年11月9日 上午10:16:32* */
public class HiveJdbcTest {private static String driverName = "org.apache.hive.jdbc.HiveDriver";public static void main(String[] args) throws SQLException {try {Class.forName(driverName);} catch (ClassNotFoundException e) {e.printStackTrace();System.exit(1);}Connection con = DriverManager.getConnection("jdbc:hive2://10.5.3.100:10000", "", "");Statement stmt = con.createStatement();String tableName = "l_access";String sql = "";ResultSet res = null;sql = "describe " + tableName;res = stmt.executeQuery(sql);while (res.next()) {System.out.println(res.getString(1) + "\t" + res.getString(2));}sql = "select * from " + tableName + " limit 10;";res = stmt.executeQuery(sql);while (res.next()) {System.out.println(res.getObject("id"));}sql = "select count(1) from " + tableName;res = stmt.executeQuery(sql);while (res.next()) {System.out.println("count:" + res.getString(1));}}
}

下面是控制台输出

log4j:WARN No appenders could be found for logger (org.apache.hive.jdbc.Utils).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
id  int
req_name    string
req_version string
req_param   string
req_no  string
req_status  string
req_desc    string
ret string
excute_time int
req_time    date
create_time date
212
213
214
215
216
217
218
219
220
221
count:932

4、注意事项

• 集群要配置ssh免密码登录
• 不要忘记拷贝hive的配置文件，不然spark会在本地创建物理数据库文件
• hive启动时提示ls: cannot access /opt/spark/spark-2.0.1-bin-hadoop2.6/lib/spark-assembly-*.jar: No such file or directory，不影响程序运行，可忽略