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

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

正式开始写Dockerfile

FROM centos:7MAINTAINER RavenZZ <raven.zhu@outlook.com># 安装系统工具RUN yum update -yRUN yum upgrade -yRUN yum install -y byobu curl htop man unzip nano wgetRUN yum clean all# 安装 JavaENV JDK_VERSION 8u11ENV 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-$JDK_VERSION-linux-x64.rpm;ENV JAVA_HOME /usr/java/defaultRUN yum remove curl; yum clean allWORKDIR sparkRUN  curl -LO "http://192.168.199.102:54321/spark-2.1.0-bin-hadoop2.7.tgz" &&  tar zxf spark-2.1.0-bin-hadoop2.7.tgzRUN rm -rf spark-2.1.0-bin-hadoop2.7.tgzRUN mv spark-2.1.0-bin-hadoop2.7/* ./ENV SPARK_HOME /sparkENV PATH /spark/bin:$PATHENV PATH /spark/sbin:$PATH

3、编写master Dockerfile

FROM ravenzz/spark-hadoopMAINTAINER RavenZZ <raven.zhu@outlook.com>COPY master.sh /ENV SPARK_MASTER_PORT 7077ENV SPARK_MASTER_WEBUI_PORT 8080ENV SPARK_MASTER_LOG /spark/logsEXPOSE 8080 7077 6066CMD ["/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

6、测试集群

docker-compose up

访问http://localhost:50003/ 结果如图

参考链接

本例源代码

本地下载：点击这里

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，谢谢大家对网页设计的支持。