Spark 是 Berkeley 開發的分布式計算的框架，相對于 Hadoop 來說，Spark 可以緩存中間結果到內存而提高某些需要迭代的計算場景的效率，目前收到廣泛關注。下面來一起看看使用docker快速搭建Spark集群的方法教程。
適用人群
正在使用spark的開發者
正在學習docker或者spark的開發者
準備工作
安裝docker
(可選)下載java和spark with hadoop
Spark集群
Spark運行時架構圖
如上圖: Spark集群由以下兩個部分組成
集群管理器(Mesos, Yarn或者standalone Mode)
工作節點(worker)
如何docker化(本例使用Standalone模式)
1、將spark集群拆分
base(基礎鏡像)
master(主節點鏡像)
worker(工作鏡像)
2、編寫base Dockerfile
注: 為方便切換版本基礎鏡像選擇的是centos, 所以要下載java和spark, 方便調試, 可以下載好安裝文件后本地搭建一個靜態文件服務器, 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
正式開始寫Dockerfile
FROM centos:7
MAINTAINER RavenZZ
# 安裝系統工具
RUN yum update -y
RUN yum upgrade -y
RUN yum install -y byobu curl htop man unzip nano wget
RUN yum clean all
# 安裝 Java
ENV JDK_VERSION 8u11
ENV JDK_BUILD_VERSION b12
# 如果網速快,可以直接從源站下載
#RUN curl -LO "$JDK_VERSION-$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-$JDK_VERSION-linux-x64.rpm;
RUN curl -LO ":54321/jdk-8u11-linux-x64.rpm" && rpm -i jdk-$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、編寫master Dockerfile
FROM ravenzz/spark-hadoop
MAINTAINER RavenZZ
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、編寫worker Dockerfile
FROM ravenzz/spark-hadoop
MAINTAINER RavenZZ
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、測試集群
docker-compose up
訪問:50003/ 結果如圖
參考鏈接
本例源代碼https://github.com/RavenZZ/docker-spark-cluster