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
|
1
|
docker-compose up
|
访问http://localhost:50003/ 结果如图
参考链接
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