快捷導(dǎo)航

使用docker快速搭建Spark集群的方法教程

更新時(shí)間：2017年06月17日 09:53:14 作者：RavenZZ

通過(guò)使用 Docker，可以快速的在本地搭建一套 Spark 環(huán)境，方便大家開發(fā) Spark 應(yīng)用，或者擴(kuò)展到生產(chǎn)環(huán)境。下面這篇文章主要給大家介紹了使用docker快速搭建Spark集群的方法教程，需要的朋友可以參考借鑒，下面來(lái)一起看看吧。

前言

Spark 是 Berkeley 開發(fā)的分布式計(jì)算的框架，相對(duì)于 Hadoop 來(lái)說(shuō)，Spark 可以緩存中間結(jié)果到內(nèi)存而提高某些需要迭代的計(jì)算場(chǎng)景的效率，目前收到廣泛關(guān)注。下面來(lái)一起看看使用docker快速搭建Spark集群的方法教程。

適用人群

正在使用spark的開發(fā)者
正在學(xué)習(xí)docker或者spark的開發(fā)者

準(zhǔn)備工作

安裝docker
(可選)下載java和spark with hadoop

Spark集群

Spark運(yùn)行時(shí)架構(gòu)圖

如上圖: Spark集群由以下兩個(gè)部分組成

集群管理器(Mesos, Yarn或者standalone Mode)
工作節(jié)點(diǎn)(worker)

如何docker化(本例使用Standalone模式)

1、將spark集群拆分

base(基礎(chǔ)鏡像)

master(主節(jié)點(diǎn)鏡像)

worker(工作鏡像)

2、編寫base Dockerfile

注: 為方便切換版本基礎(chǔ)鏡像選擇的是centos, 所以要下載java和spark, 方便調(diào)試, 可以下載好安裝文件后本地搭建一個(gè)靜態(tài)文件服務(wù)器, 使用Node.js 的http-server可以快速搞定

命令如下

 npm install http-server -g
 http-server -p 54321 ~/Downloads

正式開始寫Dockerfile

FROM centos:7
MAINTAINER RavenZZ <raven.zhu@outlook.com>

# 安裝系統(tǒng)工具
RUN yum update -y
RUN yum upgrade -y
RUN yum install -y byobu curl htop man unzip nano wget
RUN yum clean all

# 安裝 Java
ENV JDK_VERSION 8u11
ENV JDK_BUILD_VERSION b12
# 如果網(wǎng)速快,可以直接從源站下載
#RUN curl -LO "http://download.oracle.com/otn-pub/java/jdk/$JDK_VERSION-$JDK_BUILD_VERSION/jdk-$JDK_VERSION-linux-x64.rpm" -H 'Cookie: oraclelicense=accept-securebackup-cookie' && rpm -i jdk-$JDK_VERSION-linux-x64.rpm; rm -f jdk-$JDK_VERSION-linux-x64.rpm;
RUN curl -LO "http://192.168.199.102:54321/jdk-8u11-linux-x64.rpm" && rpm -i jdk-$JDK_VERSION-linux-x64.rpm; rm -f jdk-$JDK_VERSION-linux-x64.rpm;
ENV JAVA_HOME /usr/java/default
RUN yum remove curl; yum clean all
WORKDIR spark

RUN \
 curl -LO 'http://192.168.199.102:54321/spark-2.1.0-bin-hadoop2.7.tgz' && \
 tar zxf spark-2.1.0-bin-hadoop2.7.tgz

RUN rm -rf spark-2.1.0-bin-hadoop2.7.tgz
RUN mv spark-2.1.0-bin-hadoop2.7/* ./

ENV SPARK_HOME /spark
ENV PATH /spark/bin:$PATH
ENV PATH /spark/sbin:$PATH

3、編寫master Dockerfile

FROM ravenzz/spark-hadoop

MAINTAINER RavenZZ <raven.zhu@outlook.com>

COPY master.sh /

ENV SPARK_MASTER_PORT 7077
ENV SPARK_MASTER_WEBUI_PORT 8080
ENV SPARK_MASTER_LOG /spark/logs

EXPOSE 8080 7077 6066

CMD ["/bin/bash","/master.sh"]

4、編寫worker Dockerfile

 FROM ravenzz/spark-hadoop

 MAINTAINER RavenZZ <raven.zhu@outlook.com> 
 COPY worker.sh /

 ENV SPARK_WORKER_WEBUI_PORT 8081
 ENV SPARK_WORKER_LOG /spark/logs
 ENV SPARK_MASTER "spark://spark-master:32769"

 EXPOSE 8081

 CMD ["/bin/bash","/worker.sh"]

5、docker-compose

 version: '3'

services:
 spark-master:
 build:
 context: ./master
 dockerfile: Dockerfile
 ports:
 - "50001:6066"
 - "50002:7077" # SPARK_MASTER_PORT
 - "50003:8080" # SPARK_MASTER_WEBUI_PORT
 expose:
 - 7077

 spark-worker1:
 build:
 context: ./worker
 dockerfile: Dockerfile
 ports:
 - "50004:8081"
 links:
 - spark-master
 environment:
 - SPARK_MASTER=spark://spark-master:7077

 spark-worker2:
 build:
 context: ./worker
 dockerfile: Dockerfile
 ports:
 - "50005:8081"
 links:
 - spark-master
 environment:
 - SPARK_MASTER=spark://spark-master:7077

6、測(cè)試集群