如何在Kerberos环境下的CDH集群部署Spark1.6 Thrift及spark-sql客户端

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。​

Fayson的github：

​​https://github.com/fayson/cdhproject​​

提示：代码块部分可以左右滑动查看噢

1.文档编写目的

---

在前面的文章Fayson介绍了《​​如何在CDH中启用Spark Thrift​​》，本篇文章Fayson主要介绍如何在Kerberos环境下的CDH集群中部署Spark1.6的Thrift Server服务和Spark SQL客户端。

• 内容概述

1.部署Spark Thrift

2.启动与停止Spark Thrift

3.功能验证及总结

• 测试环境

1.CM和CDH版本为5.12.1

2.使用root用户操作

• 前置条件

1.集群已启用Kerberos

2.集群已启用Sentry

2.部署Spark Thrift

---

在CDH自带的Spark1.6的spark-assembly jar包缺少Hive Thrift的相关依赖包，这里部署Spark Thrift服务需要使用Spark官网编译的spark-assembly jar包来替换集群中原有的jar包。

1.下载spark-1.6.0-bin-hadoop2.6.tgz，官网下载地址如下：

https://archive.apache.org/dist/spark/spark-1.6.0/spark-1.6.0-bin-hadoop2.6.tgz

（可左右滑动）

2.将下载的spark-1.6.0-bin-hadoop2.6.tgz包解压

[root@cdh04 ~]# tar -zxvf spark-1.6.0-bin-hadoop2.6.tgz 

（可左右滑动）

3.将解压出来的spark-assembly-1.6.0-hadoop2.6.0.jar包拷贝至CDH的jars目录下

[root@cdh04 ~]# cd spark-1.6.0-bin-hadoop2.6/lib
[root@cdh04 lib]# cp spark-assembly-1.6.0-hadoop2.6.0.jar /opt/cloudera/parcels/CDH/jars/

（可左右滑动）

替换CDH中默认的Spark-assembly jar包

[root@cdh04 jars]# cd /opt/cloudera/parcels/CDH/jars/
[root@cdh04 jars]# rm -rf spark-assembly-1.6.0-cdh5.12.1-hadoop2.6.0-cdh5.12.1.jar
[root@cdh04 jars]# mv spark-assembly-1.6.0-hadoop2.6.0.jar spark-assembly-1.6.0-cdh5.12.1-hadoop2.6.0-cdh5.12.1.jar

（可左右滑动）

注意：该步操作在集群所有节点上执行，因为考虑到后面部署spark-sql客户端，需要所有节点的spark-assessmbly jar包支持Thrift Server。

4.将spark-assembly-1.6.0-hadoop2.6.0.jar包上传至HDFS目录

[root@cdh04 lib]# kinit spark/admin
[root@cdh04 lib]# hadoop fs -mkdir -p /user/spark/share/jars
[root@cdh04 lib]# hadoop fs -put spark-assembly-1.6.0-hadoop2.6.0.jar /user/spark/share/jars
[root@cdh04 lib]# hadoop fs -ls /user/spark/share/jar

（可左右滑动）

5.通过CM修改Spark的配置

配置spark_jar_hdfs_path路径

配置GateWay使用spark.yarn.jar

spark.yarn.jar=hdfs://nameservice1/user/spark/share/jars/spark-assembly-1.6.0-hadoop2.6.0.jar

（可左右滑动）

配置Spark的JAVA_HOME和Spark血缘分析依赖包

export JAVA_HOME=/usr/java/jdk1.8.0_144/
export SPARK_DIST_CLASSPATH=$SPARK_DIST_CLASSPATH:/opt/cloudera/parcels/CDH/jars/spark-lineage_2.10-1.6.0-cdh5.12.1.jar

（可左右滑动）

注意：这里配置sparke-env.sh时增加了SPARK_DIST_CLASSPATH配置参数，在CDH5.11版本后，Navigator2.10中增加了Spark的血缘分析，需要在spark中添加spark-lineage_2.10-1.6.0-cdh5.12.1.jar依赖包，否则Thrift启动会报

“com.cloudera.spark.lineage.ClouderaNavigatorListener”

错误。前面《​​如何在CDH中启用Spark Thrift​​》处理方式是在/etc/spark/conf/classpath.txt文件末尾增加依赖，这种配置方式在修改Spark客户端配置后会被覆盖，需要重新手动加入。通过使用SPARK_DIST_CLASSPATH的配置方式可以避免该问题。

6.部署Spark Thrift启动和停止脚本

将spark-1.6.0-bin-hadoop2.6/sbin/目录下的start-thriftserver.sh和stop-thriftserver.sh脚本拷贝至/opt/cloudera/parcels/CDH/lib/spark/sbin目录下，并设置执行权限

[root@cdh04 ~]# cd spark-1.6.0-bin-hadoop2.6/sbin/
[root@cdh04 sbin]# pwd
[root@cdh04 sbin]# ll *thrift*
[root@cdh04 sbin]# cp *thrift* /opt/cloudera/parcels/CDH/lib/spark/sbin/

（可左右滑动）

修改load-spark-env.sh脚本，该脚本是启动Spark相关服务加载依赖环境

[root@cdh04 sbin]# cd /opt/cloudera/parcels/CDH/lib/spark/bin/
[root@cdh04 bin]# vim load-spark-env.sh 

（可左右滑动）

将80行的exec "$SPARK_HOME/bin/$SCRIPT" "$@"内容注释

7.部署Spark SQL客户端

将spark-1.6.0-bin-hadoop2.6/bin/目录下的spark-sql脚本拷贝至/opt/cloudera/parcels/lib/spark/bin目录下

[root@cdh04 ~]# cp spark-1.6.0-bin-hadoop2.6/bin/spark-sql /opt/cloudera/parcels/CDH/lib/spark/bin/

（可左右滑动）

3.启动与停止Spark Thrift

---

1.由于集群启用Kerberos，这里我们需要为Spark Thrift服务创建一个Kerberos账号

在KDC所在服务器上执行如下命令创建一个hive/[e-mail]账号，并导出hive.keytab文件

[root@cdh01 ~]# kadmin.local 
kadmin.local:  addprinc -randkey hive/[e-mail]
kadmin.local:  xst -norandkey -k hive.keytab hive/[e-mail]

（可左右滑动）

查看本地的hive.kytab文件是否为导出的hive/[e-mail]账号

[root@cdh01 ~]# klist -e -kt hive.keytab 

（可左右滑动）

将hive.keytab文件拷贝至SparkThriftServer服务所在服务器。

2.进入/opt/cloudera/parcels/CDH/lib/spark/sbin目录下执行脚本启动Thrift Server

./start-thriftserver.sh --hiveconf hive.server2.authentication.kerberos.principal=hive/[e-mail] \
  --hiveconf hive.server2.authentication.kerberos.keytab=hive.keytab \
  --principal hive/[e-mail] --keytab hive.keytab \
  --hiveconf hive.server2.thrift.port=10001 \
  --hiveconf hive.server2.thrift.bind.host=0.0.0.0

（可左右滑动）

检查端口是否监听

[root@cdh04 sbin]# netstat -apn |grep 10001

（可左右滑动）

注意：为了防止和HiveServer2的10000端口冲突，可以在启动脚本中增加如下配置自定义端口，端口默认绑定的地址为127.0.0.1，不能远程访问需要将指定绑定host，0.0.0.0为监听所有IP地址。在启动Thrift Server时指定principal和keytab否则服务启动时会报初始化Kerberos失败。

通过CM的Yarn应用程序界面可以看到启动的ThriftServer服务

3.停止Spark ThriftServer服务

[root@cdh04 sbin]# ./stop-thriftserver.sh

（可左右滑动）

4.验证Spark Thrift及spark-sql

---

1.使用fayson的Kerberos账号初始化，通过beeline测试

[root@cdh01 ~]# kinit fayson
[root@cdh01 ~]# klist
[root@cdh01 ~]# beeline 
beeline> !connect jdbc:hive2://cdh04.fayson.com:10001/;principal=hive/[e-mail]

（可左右滑动）

上图可以看到成功使用Beeline连接Spark ThriftServer。

2.运行SQL测试

0: jdbc:hive2://cdh04.fayson.com:10001/> show tables;
0: jdbc:hive2://cdh04.fayson.com:10001/> select * from test;
0: jdbc:hive2://cdh04.fayson.com:10001/> select count(*) from test;
0: jdbc:hive2://cdh04.fayson.com:10001/> 

（可左右滑动）

3.通过Yarn的8088界面查看SQL操作都是通过Spark执行

4.spark-sql验证

[root@cdh04 ~]# kint fayson
[root@cdh04 ~]# /opt/cloudera/parcels/CDH/lib/spark/bin/spark-sql

（可左右滑动）

执行SQL操作

5.总结

---

1.在Kerberos环境下部署Spark Thrift服务时在启动时需要执行prinicipal和keytab文件，该Kerberos账号需要为hive用户。

2.在处理Spark 血缘分析依赖包的时候，Fayson前面的文章是在/etc/spark/confg/classpath.txt文件中添加，在修改配置后该文件会被覆盖需要再次添加依赖，本篇文章通过在spark-evn.sh环境变量中配置SPARK_DIST_CLASSPATH解决。

3.使用spark-sql客户端需要将集群所有节点CDH自带的spark-assembly Jar包替换为原生的spark-assembly-1.6.0-hadoop2.6.0.jar包。

提示：代码块部分可以左右滑动查看噢

为天地立心，为生民立命，为往圣继绝学，为万世开太平。

温馨提示：要看高清无码套图，请使用手机打开并单击图片放大查看。

推荐关注Hadoop实操，第一时间，分享更多Hadoop干货，欢迎转发和分享。

原创文章，欢迎转载，转载请注明：转载自微信公众号Hadoop实操