Standalone 集群模式
集群角色介绍:
Spark是基于内存计算的大数据并行计算框架，实际中运行计算任务肯定是使用集群模式，那么我们先来学习Spark自带的standalone集群模式了解一下它的架构及运行机制。
Standalone集群使用了分布式计算中的master-slave模型，
master是集群中含有master进程的节点
slave是集群中的worker节点含有Executor进程
●Spark架构图如下(先了解)：
http://spark.apache.org/docs/latest/cluster-overview.html
集群规划 :
node001:master
node002:slave/worker
node003:slave/worker
修改配置并分发
●修改Spark配置文件
cd /export/servers/spark/conf
mv spark-env.sh.template spark-env.sh
vim spark-env.sh
#配置java环境变量
export JAVA_HOME=/export/servers/jdk1.8
#指定spark Master的IP
export SPARK_MASTER_HOST=node01
#指定spark Master的端口
export SPARK_MASTER_PORT=7077
cp slaves.template slaves
vim slaves
node002
node003
●配置spark环境变量 (建议不添加，避免和Hadoop的命令冲突) ! 不推荐添加 ！
将spark添加到环境变量,添加以下内容到 /etc/profile
export SPARK_HOME=/export/servers/spark
export PATH=$PATH:$SPARK_HOME/bin
注意:
hadoop/sbin 的目录和 spark/sbin 可能会有命令冲突：
start-all.sh stop-all.sh
解决方案：
1.把其中一个框架的 sbin 从环境变量中去掉；
2.改名 hadoop/sbin/start-all.sh 改为: start-all-hadoop.sh
●通过scp 命令将配置文件分发到其他机器上
scp -r spark-2.2.0-bin-2.6.0-cdh5.14.0/ node002:$PWD
scp -r spark-2.2.0-bin-2.6.0-cdh5.14.0/ node003:$PWD
scp -r /export/servers/spark node002:$PWD
scp -r /export/servers/spark node003:$/PWD
启动 or 停止
●集群启动和停止
在主节点上启动spark集群
/export/servers/spark/sbin/start-all.sh
在主节点上停止spark集群
/export/servers/spark/sbin/stop-all.sh
●单独启动和停止 (一般 不用)
在 master 安装节点上启动和停止 master：
start-master.sh
stop-master.sh
在 Master 所在节点上启动和停止worker(work指的是slaves 配置文件中的主机名)
start-slaves.sh
stop-slaves.sh
查看web界面 ：
正常启动spark集群后，查看spark的web界面，查看相关信息。