前言
spark 是 berkeley 开发的分布式计算的框架,相对于 hadoop 来说,spark 可以缓存中间结果到内存而提高某些需要迭代的计算场景的效率,目前收到广泛关注。下面来一起看看使用docker快速搭建spark集群的方法教程。
适用人群
正在使用spark的开发者
正在学习
docker或者spark的开发者
准备工作
安装docker
(可选)下载java和spark with hadoop
spark集群
spark运行时架构图
如上图: spark集群由以下两个部分组成
集群管理器(mesos, yarn或者standalone mode)
工作节点(worker)
如何docker化(本例使用standalone模式)
1、将spark集群拆分
base(基础镜像)
master(主节点镜像)
worker(工作镜像)
2、编写base dockerfile
注: 为方便切换版本基础镜像选择的是centos, 所以要下载java和spark, 方便调试, 可以下载好安装文件后本地搭建一个静态文件服务器, 使用node.js 的http-server可以快速搞定
命令如下
1
2
npm install http-server -g
http-server -p 54321 ~/downloads
正式开始写dockerfile
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
from centos:7
maintainer ravenzz <raven.zhu@outlook.com>
# 安装系统工具
run yum update -y
run yum upgrade -y
run yum install -y byobu curl htop man unzip nano wget
run yum clean all
# 安装 java
env jdk_version 8u11
env jdk_build_version b12
# 如果网速快,可以直接从源站下载
#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、编写master dockerfile
?
1
2
3
4
5
6
7
8
9
10
11
12
13
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、编写worker dockerfile
?
1
2
3
4
5
6
7
8
9
10
11
12
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
?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
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、测试集群
访问http://localhost:50003/ 结果如图
参考链接
本例源代码
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流,谢谢大家对服务器之家的支持。
原文链接:http://www.jianshu.com/p/4801bb7ab9e0
声明: 猿站网有关资源均来自网络搜集与网友提供,任何涉及商业盈利目的的均不得使用,否则产生的一切后果将由您自己承担! 本平台资源仅供个人学习交流、测试使用 所有内容请在下载后24小时内删除,制止非法恶意传播,不对任何下载或转载者造成的危害负任何法律责任!也请大家支持、购置正版! 。本站一律禁止以任何方式发布或转载任何违法的相关信息访客发现请向站长举报,会员发帖仅代表会员个人观点,并不代表本站赞同其观点和对其真实性负责。本网站的资源部分来源于网络,如有侵权烦请发送邮件至:2697268773@qq.com进行处理。