虽然通过CDH控制台可以很方便地安装spark客户端，但如果客户端机器并不属于自己管辖，通过这种先安装cloudera manager agent再安装spark客户端的方式显然不妥当。在这种情形下，用户自己安装配置spark客户端，是最好的方式。

安装JDK

首先需要安装JDK

配置hosts

将服务端的hosts全部配置，添加到客户端的/etc/hosts中。

安装Hadoop客户端

Spark的部分功能需要依赖于Hadoop，所以需要安装Hadoop客户端

下载安装包

下载apache官网安装包
http://archive.apache.org/dist/spark/spark-2.4.0/spark-2.4.0-bin-hadoop2.6.tgz

安装Spark客户端

解压赋权

tar -zxf spark-2.4.0-bin-hadoop2.6.tgz -C /opt
sudo chown -R root:root /opt/spark-2.4.0-bin-hadoop2.6

添加环境变量

在/etc/profile追加
# JDK
export JAVA_HOME=/usr/java/jdk1.8.0_181-amd64
 
# Spark
export SPARK_HOME=/opt/spark-2.4.0-bin-hadoop2.6
export PATH=$PATH:$SPARK_HOME/sbin:$SPARK_HOME/bin
 
source /etc/profile

如果同时安装Hive客户端，记住hive的环境变量要排在spark之前。因为Spark客户端也自带beeline命令行工具，会影响Hive的beeline命令行工具。
在同时安装有Hadoop, Hive, Spark客户端的情况下，环境变量次序如下：

配置Spark

cd /opt/spark-2.4.0-bin-hadoop2.6/conf
 
vi spark-env.sh
#!/usr/bin/env bash
 
export JAVA_HOME=/usr/java/jdk1.8.0_181-amd64
export HADOOP_HOME=/opt/hadoop-2.6.0-cdh5.16.2
export HADOOP_CONF_DIR=/opt/hadoop-2.6.0-cdh5.16.2/etc/hadoop
export SPARK_DIST_CLASSPATH=$(${HADOOP_HOME}/bin/hadoop classpath)
 
chmod 755 spark-env.sh

如果Spark需要直接连接Hive，且Hadoop配置了lzo，则spark-env.sh可以用以下配置

#!/usr/bin/env bash

export JAVA_HOME=/usr/java/jdk1.8.0_181-amd64
export HADOOP_HOME=/opt/cloudera/parcels/CDH/lib/hadoop
export HADOOP_CONF_DIR="/etc/hadoop/conf:/etc/hive/conf"
# 如果用的自己安装的Hadoop
# export SPARK_DIST_CLASSPATH=$(${HADOOP_HOME}/bin/hadoop classpath)
# 如果用的CDH的Hadoop
export SPARK_DIST_CLASSPATH=$(paste -sd: "/etc/spark/conf/classpath.txt")
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/opt/cloudera/parcels/GPLEXTRAS/lib/hadoop/lib/native
# SPARK_CLASSPATH在spark1+已deprecated
# export SPARK_CLASSPATH=/opt/cloudera/parcels/GPLEXTRAS/lib/hadoop/lib/hadoop-lzo.jar

验证测试

spark-submit --class org.apache.spark.examples.SparkPi --master yarn --deploy-mode cluster  /opt/spark-2.4.0-bin-hadoop2.6/examples/jars/spark-examples_2.11-2.4.0.jar 10

注意：spark提交方式必须是cluster模式。使用client模式会报错，因为客户端机器的hostname没有在hadoop集群的机器/etc/hosts里面配置，导致DataNode无法识别客户端机器的hostname，进而导致报错。

欢迎关注我的公众号“九万里大数据”，原创技术文章第一时间推送。
欢迎访问原创技术博客网站 jwldata.com，排版更清晰，阅读更爽快。