spark要配合hadoop的hdfs使用，然而hadoop的特点就是分布式，在一台主机上搭建集群有点困难，百度后发现可以使用docker构建搭建，于是开搞：
github项目：https://github.com/kiwenlau/hadoop-cluster-docker
参考文章：http://www.zzvips.com/article/133309.html
docker安装
文章中安装的是docker.io
但是我推荐安装docker-ce，docker.io版本太老了,步骤如下：
1、国际惯例更新下apt软件包的源
|
1
|
sudo apt-get update
|
2、安装软件包以允许apt通过https使用存储库
|
1
2
3
4
5
|
sudo apt-get install \
apt-transport-https \
ca-certificates \
curl \
software-properties-common
|
3、因为被墙使用教育网镜像：
4、同样
|
1
2
3
4
|
sudo add-apt-repository \
"deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu \
$(lsb_release -cs) \
stable"
|
5、更新下我们的软件源
|
1
|
sudo apt-get update
|
6、安装docker
|
1
|
sudo apt-get install docker-ce
|
7、启动docker服务
|
1
|
sudo service docker start
|
or
|
1
|
sudo systemctl start docker
|
8、觉得有必要可以设置开机自带启动
|
1
|
sudo systemctl enable docker
|
9、关闭自启动
|
1
|
sudo systemctl disable docker
|
10、国内访问docker会受限制，可以使用加速服务，阿里云、网易云、daocloud
11、运行 docker run hello-world 测试是否安装成功
12、想要安装其他image 可以到docker hub上找
或是直接在github上搜索相应docker
搭建hadoop集群
搭建过程很简单
https://github.com/kiwenlau/hadoop-cluster-docker
上步骤说明很详细：
1、pull镜像，速度慢的换国内镜像源
|
1
|
sudo docker pull kiwenlau/hadoop:1.0
|
200多m不算大，我下过jupyter官方pyspark的docker 5g…
2、克隆项目到本地
|
1
|
git clone https://github.com/kiwenlau/hadoop-cluster-docker
|
其实只用到里面的 start-container.sh 文件也可以单独下，复制粘贴啥的
3、start-container.sh 需要修改一下 cd 到文件目录
sudo gedit start-container.sh 修改如下
开放9000端口还有创建共享文件夹方便以后使用
4、保存之后，创建docker-hadoop网络
|
1
|
sudo docker network create --driver=bridge hadoop
|
5、开启容器
|
1
|
sudo ./start-container.sh
|
6、开启hadoop集群
|
1
|
./start-hadoop.sh
|
7、测试一下hadoop，在hdfs上创建 test/input 目录
|
1
2
|
hadoop fs -mkdir -p /test/input
hadoop fs -ls /test
|
8、运行word-count程序
|
1
|
./run-wordcount.sh
|
结果如下
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/tonydz0523/article/details/80534985