本节书摘来异步社区《Spark Cookbook 中文版》一书中的第1章，第1.4节，作者： 【印度】Rishi Yadav（亚达夫）译者： 顾星竹 , 刘见康 责编： 胡俊英，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.4　在Amazon EC2上部署Spark

Amazon弹性计算云（Amazon EC2）是一个能够提供可变大小的云计算实例的网络服务，Amazon EC2提供以下特性。

• 通过互联网按需提供IT资源。
• 提供足够多的实例。
• 像支付水电费账单一样，按你使用实例的时间付费。
• 没有配置成本，无需安装，没有任何开销。
• 当你不需要实例时，只需关闭或者终止它们即可离开。
• 支持所有常用操作系统。

EC2提供不同类型的实例，以满足所有计算需求，例如通用实例、微实例、内存优化实例、存储优化实例等，并提供微实例的免费试用。

1.4.1　准备工作

Spark绑定的spark-ec2脚本使得在Amazon EC2上安装、管理以及关闭Spark集群变得很容易。

开始之前需要以下准备工作。

1．登录你的Amazon AWS账号（http://aws.amazon.com/cn/）。

2．点击右上角的我的账户下拉菜单中的安全证书。

3．点击访问密钥并创建访问密钥（如图1-2所示）。

4．记下访问密钥ID（Access Key ID）和私有访问密钥（Secret Access Key）。

5．现在，点开服务，点击EC2。

6．点击左侧菜单网络与安全下面的密钥对。

7．如图1-3所示，点击创建密钥对（Create Key Pair），输入kp-spark作为密钥对的名字。

8．下载私钥文件并复制到home/hduser/keypairs文件夹下。

9．设置文件权限许可为600。

10．将公钥ID和密钥ID的设置到环境变量中（请使用你自己的值替换本文的样本）。

$ echo "export AWS_ACCESS_KEY_ID=\"AKIAOD7M2LOWATFXFKQ\"">> /
    home/hduser/.bashrc
    $ echo "export AWS_SECRET_ACCESS_KEY=\"+Xr4UroVYJxiLiY8DLT4DLT4D4s
    xc3ijZGMx1D3pfZ2q\"">> /home/hduser/.bashrc
    $ echo "export PATH=$PATH:/opt/infoobjects/spark/ec2">> /home/
    hduser/.bashrc

1.4.2　具体步骤

1．Spark绑定了在Amazon EC2上安装Spark集群的脚本。让我们使用以下命令部署集群。

$ cd /home/hduser
   $ spark-ec2 -k <key-pair> -i<key-file> -s <num-slaves> launch
   <cluster-name>

2．以下列数值为例部署集群。

$ spark-ec2 -k kp-spark -i /home/hduser/keypairs/kp-spark.pem
   --hadoop-major-version 2  -s 3 launch spark-cluster

提示

• <密钥对>：这是AWS中创建的EC2密钥对的名字。

• <密钥文件>：这是你下载的私钥文件。
• <从节点库数>：这是部署的从节点的数量。
• <集群名称>：这是集群名字。

3．有时，缺省值可能不可用；在这种情况下，你就需要重发请求来制定特定的可用区域。

$ spark-ec2 -k kp-spark -i /home/hduser/keypairs/kp-spark.pem –z
   us-east-1b --hadoop-major-version 2  -s 3 launch spark-cluster

4．如果你的应用需要实例关闭后保留数据，那么就为它增加一个EBS卷（例如一个10GB的空间）。

$ spark-ec2 -k kp-spark -i /home/hduser/keypairs/kp-spark.pem
   --hadoop-major-version 2 -ebs-vol-size 10 -s 3 launch spark-
   cluster

5．如果你使用的是Amazon spot实例，做法如下。

$ spark-ec2 -k kp-spark -i /home/hduser/keypairs/kp-spark.pem
   -spot-price=0.15 --hadoop-major-version 2  -s 3 launch spark-
   cluster

提示

Spot实例服务允许你自己定价来租Amazon EC2的计算能力。你只需要竞标Amazon EC2的空闲实例，当你的竞标价格大于当前标价时，你就可以使用该服务。该服务的价格是根据市场供求关系实时变化的（来源：amazon.com）。

6．一切部署完毕后，打开最后打印出来的网页URL来检查集群状态，如图1-4所示。

7．检查集群状态，如图1-5所示。

8．现在，在EC2上使用Spark集群，让我们使用安全外壳协议（SSH）连接到主节点上。

$ spark-ec2 -k kp-spark -i /home/hduser/kp/kp-spark.pem  login
  spark-cluster

你应该会看到图1-6所示的内容。

9．检查主节点上的目录并查看它们的用途，如表1-2所示。

10．检查临时实例的HDFS版本。

$ ephemeral-hdfs/bin/hadoop version
  Hadoop 2.0.0-chd4.2.0

11．使用以下命令检查永久实例的HDFS版本。

$ persistent-hdfs/bin/hadoop version
 Hadoop 2.0.0-chd4.2.0

12．改变日志的配置层。

$ cd spark/conf

13．如图1-7所示，默认日志层信息非常冗长，所以我们把它改成Error级别。

重命名模板为log4.properties。

$ mv log4j.properties.template log4j.properties

使用vi或者你喜欢的编辑器打开log4j.properties。

$ vi log4j.properties

把命令行 | log4j.rootCategory=INFO, console|改为log4j.rootCategory= ERROR, console。
14．修改之后将所有配置复制到所有的从节点上。

$ spark-ec2/copydir spark/conf

你应该会得到如图1-8所示的信息。

15．销毁Spark集群。

$ spark-ec2 destroy spark-cluster

1.4.3　参考资料

http://aws.amazon.com/ec2