使用docker快速搭建Spark集群的方法教程

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

使用docker快速搭建Spark集群的方法教程

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

									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

				?

									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

				?

									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