自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

使用Docker在本地搭建hadoop，spark集群

作者：方圓小生
云計算 Hadoop Spark
目前網(wǎng)上在docker上部署spark的介紹比較簡單和沒有相關(guān)啟動使用的操作,本文重點在于docker相關(guān)的操作.

 本環(huán)境使用的單個宿主主機，而不是跨主機集群，本spark集群環(huán)境存在的意義可能在于便于本地開發(fā)測試使用，非常輕量級和便捷。這個部署過程，最好在之前有過一定的hadoop，spark集群部署經(jīng)驗的基礎(chǔ)，本文重點在于docker相關(guān)的操作，至于hadoop和spark集群的部署，極力推薦這兩個網(wǎng)頁：

Hadoop集群：http://blog.csdn.net/stark_sum ... 24279。

Spark集群：http://blog.csdn.net/stark_sum ... 58081

主機系統(tǒng)：ubuntu14.04，64位，內(nèi)存4G，主機名docker。(實際上是在虛擬機上安裝的)

軟件版本：hadoop-2.6.0，jdk1.7.0_79，scala-2.10.5，spark-1.2.0-bin-hadoop2.4，docker版本：1.9.1，鏡像：ubuntu14.04。

搭建環(huán)境前調(diào)研結(jié)果描述：

目前網(wǎng)上在docker上部署spark的介紹比較簡單和沒有相關(guān)啟動使用的操作，部署大致分為兩類情況：

1. 直接在docker倉庫pull下來。這個方法我嘗試了一下，不建議使用，首先下載鏡像比較大，2G多，其次下載之后貌似只能單機啟動，也就是偽分布式，并不是集群(我自己沒有實際使用過，看到的相關(guān)資料是這樣說的)。如下sequenceiq/spark：1.2.0這個鏡像：

REPOSITORY TAG IMAGE ID CREATED VIRTUAL SIZE

sequenceiq/spark 1.2.0 334aabfef5f1 10 months ago 2.115 GB

2. 自己使用基礎(chǔ)鏡像搭建環(huán)境。本文采用這種方式，由于自己也是剛接觸docker一個多月，還不會使用dockerfile，所以使用的是commit方式制作的集群。

具體部署過程

第一步，相關(guān)軟件準(zhǔn)備。

通過對spark源碼當(dāng)中docker文件夾的閱讀得出的思路，利用數(shù)據(jù)卷共享數(shù)據(jù)。相關(guān)的集群軟件都放在/opt目錄下，目的是為后面啟動集群的時候使用docker數(shù)據(jù)卷共享和永久保存數(shù)據(jù)，不會隨著容器的刪除而丟失。spark源碼docker文件夾解讀參考網(wǎng)頁：http://blog.csdn.net/yunlong34 ... 33731

操作說明，直接把java等軟件解壓到/opt下，總共是四個，java，hadoop，scala，spark。不需要在宿主主機做任何修改，包括/etc/hosts，/etc/profile添加變量等，因為是在容器當(dāng)中使用，宿主主機并不會用到。解壓之后如下：

  1. root@docker:/opt# ll 
  2.  
  3. total 32 
  4.  
  5. drwxr-xr-x 7 root root 4096 12月 22 22:12 ./ 
  6.  
  7. drwxr-xr-x 23 root root 4096 11月 30 19:35 ../ 
  8.  
  9. drwxr-xr-x 12 root root 4096 12月 22 22:07 hadoop-2.6.0/ 
  10.  
  11. drwxr-xr-x 8 root root 4096 4月 11 2015 jdk1.7.0_79/ 
  12.  
  13. drwxr-xr-x 9 root root 4096 12月 22 13:54 scala-2.10.5/ 
  14.  
  15. drwxrwxr-x 12 root root 4096 12月 22 22:19 spark-1.2.0-bin-hadoop2.4/ 

然后把hadoop和spark 的配置文件修改，這一步主要是靠之前的相關(guān)基礎(chǔ)操作了，可以參考上面給出的兩個網(wǎng)站修改配置文件，我是直接拷貝我之前集群的配置文件替換的，然后再結(jié)合后面的主機名，ip等行稍作修改就行了。如果之前沒有部署過集群，這一步的工作量是相當(dāng)大的。

需要特別注意的一點是hadoop的配置文件中的hdfs-sit.xml中的dfs.datanode.data.dir，這個也就是hdfs的datanode的文件夾，也是通過小技巧修改為file：/root/data，為什么這么修改后面有講解，最終的想要的目的是通過鏈接文件，鏈接到數(shù)據(jù)卷/opt的hadoop目錄里面，這樣數(shù)據(jù)就能保存在容器之外了，不會隨著容器的刪除而丟失。修改如下：

  1. dfs.datanode.data.dir 
  2.  
  3. file:/root/data 

第二步，制作基礎(chǔ)鏡像。(主要工作)

本集群的思路是盡可能的減少額外的工作量，使用的是固定網(wǎng)絡(luò)環(huán)境，這可能和docker本身的網(wǎng)絡(luò)不固定性相悖，所以使用了一點小技巧修改的網(wǎng)絡(luò)，這也是這個方法不能大規(guī)模使用的原因，也算是一個弊端吧。我看到有人使用動態(tài)的ip注冊，我還沒有理解到哪個地步，在后期的學(xué)習(xí)中再慢慢完善吧。節(jié)點容器主機名和ip規(guī)劃如下：

主節(jié)點容器主機名hostname：node0，IP：172.17.0.150。

從節(jié)點容器主機名hostname：node1，IP：172.17.0.151。

從節(jié)點容器主機名hostname：node2，IP：172.17.0.152。

下面就開始一步一步的來設(shè)置：

1.查看鏡像，使用ubuntu：14.04做為基礎(chǔ)鏡像，如果沒有就pull一個吧。

  1. root@docker:/opt# docker images 
  2.  
  3. REPOSITORY TAG IMAGE ID CREATED VIRTUAL SIZE 
  4.  
  5. ubuntu 14.04 ca4d7b1b9a51 8 weeks ago 187.9 MB 

2.啟動一個容器，安裝vim和ssh。

  1. root@docker:/opt# docker run -it ubuntu:14.04 /bin/bash 
  2.  
  3. root@67f272584448:/# apt-get -y install vim openssh-server 

3.修改ssh配置文件，允許root登陸。

  1. root@67f272584448:/# vim /etc/ssh/sshd_config 

找到：PermitRootLogin without-password

修改為：PermitRootLogin yes

4.生成ssh公鑰，輸入ssh-keygen，一直回車就行了。著里需要說明的是，三個節(jié)點的公鑰都是一樣的，為了簡單起見而利用了小技巧。如果比較了解ssh的話，我說的這些相當(dāng)于廢話了，后面還會有涉及的。

  1. root@67f272584448:/# ssh-keygen 

此時/root/.ssh文件夾里如下：

  1. root@67f272584448:/# ls /root/.ssh/ 
  2.  
  3. id_rsa id_rsa.pub 
  4.  
  5. root@67f272584448:/# cat /root/.ssh/id_rsa.pub >> /root/.ssh/authorized_keys 
  6.  
  7. root@67f272584448:/# ls /root/.ssh/ 
  8.  
  9. authorized_keys id_rsa id_rsa.pub 

5.下面開始關(guān)鍵步驟了。

把需要的變量寫入/root/.bashrc，為什么不寫入/etc/profile呢，因為我試了一下，寫入/etc/proflie生成鏡像啟動容器的時候變量不能生效。

看到這里，相信下面的變量都是很熟悉吧：

  1. export JAVA_HOME=/opt/jdk1.7.0_79 
  2.  
  3. export CLASSPATH=.:/opt/jdk1.7.0_79/lib/dt.jar:/opt/jdk1.7.0_79/lib/tools.jar 
  4.  
  5. export HADOOP_HOME=/opt/hadoop-2.6.0 
  6.  
  7. export SCALA_HOME=/opt/scala-2.10.5 
  8.  
  9. export SPARK_HOME=/opt/spark-1.2.0-bin-hadoop2.4 
  10.  
  11. export PATH=$JAVA_HOME/bin:$PATH:$SCALA_HOME/bin:$SPARK_HOME/bin 

6.這個是最后一步了，在/root下新建一個run.sh腳本，對容器所做的修改，全部寫入這個腳本了，先把腳本貼出來，再解釋吧。

  1. 1 #!/bin/bash 
  2.  
  3. 2 
  4.  
  5. 3 echo "172.17.0.150 node0" > /etc/hosts 
  6.  
  7. 4 echo "172.17.0.151 node1" >> /etc/hosts 
  8.  
  9. 5 echo "172.17.0.152 node2" >> /etc/hosts 
  10.  
  11. 6 
  12.  
  13. 7 case $HOSTNAME in 
  14.  
  15. 8 "node0") 
  16.  
  17. 9 ifconfig eth0 172.17.0.150 
  18.  
  19. 10 sed -i 's/root@.*$/root@node0/g' /root/.ssh/authorized_keys 
  20.  
  21. 11 ;; 
  22.  
  23. 12 "node1") 
  24.  
  25. 13 ifconfig eth0 172.17.0.151 
  26.  
  27. 14 sed -i 's/root@.*$/root@node0/g' /root/.ssh/authorized_keys 
  28.  
  29. 15 ln -s /opt/hadoop-2.6.0/dfs/node1 /root/data 
  30.  
  31. 16 ;; 
  32.  
  33. 17 "node2") 
  34.  
  35. 18 ifconfig eth0 172.17.0.152 
  36.  
  37. 19 sed -i 's/root@.*$/root@node0/g' /root/.ssh/authorized_keys 
  38.  
  39. 20 ln -s /opt/hadoop-2.6.0/dfs/node2 /root/data 
  40.  
  41. 21 ;; 
  42.  
  43. 22 *) 
  44.  
  45. 23 echo "null" 
  46.  
  47. 24 ;; 
  48.  
  49. 25 esac 
  50.  
  51. 26 
  52.  
  53. 27 /etc/init.d/ssh start -D 
  54.  
  55. 28 

1)3，4，5行，替換hosts。啟動集群的時候，習(xí)慣性的喜歡使用主機名，而不是使用ip，所以做了這個修改。另一個原因是，容器在重啟之后hosts和ip是會變化的，所以每次啟動都要修改。

2)7到25行，是利用容器的主機名來做三個修改。

  • 第一，修改主機的IP，也就是我們的三個節(jié)點都是固定ip的，這個命令需要privileged。
  • 第二，設(shè)置ssh免登錄，也就authorized_keys中最后一個字段root@......全部修改為root@node0，這樣node0節(jié)點就能免登錄到node1，node2，和自己node0。
  • 第三，利用連接文件，把hdfs的數(shù)據(jù)保存到數(shù)據(jù)卷的相關(guān)目錄，也就是保存到了容器之外。利用連接文件時一個技巧，hdfs的配置文件都是/root/data，實際上卻保存到了不同的文件目錄上去。在上面的hadoop的配置文件中做的一個特殊的修改dfs.datanode.data.dir，file:/root/data，這個是hdfs的實際存儲數(shù)據(jù)的目錄，通過軟連接到數(shù)據(jù)卷目錄，最終把數(shù)據(jù)保存在容器之外，這樣當(dāng)容器刪除時，hdfs里面的數(shù)據(jù)并沒有消失，新建容器就可以再次使用數(shù)據(jù)了。

3)27行，這個就是啟動ssh的，關(guān)鍵的是-D這個參數(shù)，如果不加，啟動容器的時候run -d容器就會停止，不會運行。

4)最后保存退出，再修改一下執(zhí)行權(quán)限，退出容器

  1. root@67f272584448:~# chmod 744 /root/run.sh 
  2.  
  3. root@67f272584448:~# exit 

7.使用commit提交鏡像吧。

  1. root@docker:~/docker# docker commit 67 ubuntu:base-spark 
  2.  
  3. 35341d63645cb5c23f88a6f4ac51d1000dc4431646ac3a948bd9c9f171dcbeeb 
  4.  
  5. root@docker:~/docker# docker images 
  6.  
  7. REPOSITORY TAG IMAGE ID CREATED VIRTUAL SIZE 
  8.  
  9. ubuntu base-spark 35341d63645c 4 minutes ago 261.1 MB 

從上面可以看出，鏡像只有260MB，是非常小的。

到此整個基礎(chǔ)鏡像就做好了，其中有可能出錯的地方是，hadoop和spark的配置文件修改的問題，這里是無關(guān)docker知識的“準(zhǔn)備工作”。

第三步，啟動容器，啟動集群，并測試。

最后這步是最最爽的時候了，一個命令，集群就啟動起來了。

其實下面大部分的篇幅是在講解我的思路，啟動集群本身是很簡單的hadoop，spark知識。

一、啟動容器集群

我寫了一個小腳本docker_start.sh，里面三行是啟動三個容器的命令，先看一眼：

  1. root@docker:~/docker# cat docker_start.sh 
  2.  
  3. #!/bin/bash 
  4.  
  5. docker run -d --name node0 -h node0 -v /opt:/opt --privileged ubuntu:base-spark /root/run.sh 
  6.  
  7. docker run -d --name node1 -h node1 -v /opt:/opt --privileged ubuntu:base-spark /root/run.sh 
  8.  
  9. docker run -d --name node2 -h node2 -v /opt:/opt --privileged ubuntu:base-spark /root/run.sh 

下面解釋一下這個啟動命令的各個參數(shù)：

1)-d這個命令能夠成功執(zhí)行的原因是run.sh這個腳本的/etc/init.d/ssh start -D這一行的-D這個參數(shù)，容器才能成功后臺up。

2)--name node0，這個是node0的容器名。

3)-h node0，這里的node0是容器主機名，也就是hostname。

4)-v /opt:/opt，就是數(shù)據(jù)卷，四個目錄在這里java，hadoop，scala，spark，并且hdfs的數(shù)據(jù)存儲目錄在hadoop-2.6.0目錄里，dfs文件夾里有三個目錄，最好手動提前新建name，node1和node2，其實是可以寫入run.sh腳本里面新建的，但是我已經(jīng)不想回頭去修改run.sh了。

  1. root@docker:/opt/hadoop-2.6.0/dfs# pwd 
  2.  
  3. /opt/hadoop-2.6.0/dfs 
  4.  
  5. root@docker:/opt/hadoop-2.6.0/dfs# ls 
  6.  
  7. name node1 node2 

name文件夾是hadoop的配置文件指定的：

  1. dfs.namenode.name.dir 
  2.  
  3. file:/opt/hadoop-2.6.0/dfs/name 

node1和node2是run.sh腳本通過連接文件過去的實際hdfs存儲數(shù)據(jù)的目錄：

  1. dfs.datanode.data.dir 
  2.  
  3. file:/root/data 
  4.  
  5. ln -s /opt/hadoop-2.6.0/dfs/node1 /root/data 
  6.  
  7. ln -s /opt/hadoop-2.6.0/dfs/node2 /root/data 

5)--privileged,這個參數(shù)是獲得最高權(quán)限，才能夠執(zhí)行run.sh腳本里面的修改ip的命令。

ifconfig eth0 172.17.0.150

6)/root/run.sh,就是啟動容器的時候，執(zhí)行一下我們提前寫好的腳本，對容器做一下修改了，雖然這些修改扭曲了docker的一些特性，不過對于我們這個本地的小環(huán)境來說，應(yīng)該還是有點實際使用的價值的。

二、進入node0容器，啟動并測試hdfs

其實，到這里，就已經(jīng)差不多結(jié)束了，下面就是hadoop和spark的知識了

首先，先看一下啟動的三個節(jié)點高興一下吧

  1. root@docker:~/docker# docker ps 
  2.  
  3. CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES 
  4.  
  5. 7268b191b8fd ubuntu:base-spark "/root/run.sh" About an hour ago Up About an hour node2 
  6.  
  7. acce5919ed63 ubuntu:base-spark "/root/run.sh" About an hour ago Up About an hour node1 
  8.  
  9. 6494f90e1ecc ubuntu:base-spark "/root/run.sh" About an hour ago Up About an hour node0 

進入node0容器

  1. root@docker:/# docker exec -it node0 /bin/bash 
  2.  
  3. root@node0:/# 

此時的容器都是已經(jīng)做過修改的，可以參看以下相關(guān)的信息，比如，ifconfig，/etc/hosts，hostname，/root/.ssh/authorized_keys，等。

下面就啟動hadoop的hdfs吧，因為這里只用到hdfs所以就不管yarn了，第一次啟動hdfs先來個格式化，然后，還要輸入若干個yes，這個yes是第一次ssh登陸的時候需要的，我就不貼出來格式化等相關(guān)的代碼了。

然后就是啟動hdfs：

  1. root@node0:/# /opt/hadoop-2.6.0/sbin/start-dfs.sh 

輸入jps查看一下node0上的進程

  1. root@node0:/# jps 
  2.  
  3. 1310 Jps 
  4.  
  5. 843 NameNode 
  6.  
  7. 1025 SecondaryNameNode 

下面就可以使用hdfs了，可以向hdfs上傳幾個文件試試，也可以通過webUI瀏覽器看一下hdfs的情況，總而言之，就是hdfs的知識了，我就不廢話了。

三，以standalone方式啟動spark集群。

到這里直接啟動spark進程就可以了：

  1. root@node0:/# /opt/spark-1.2.0-bin-hadoop2.4/sbin/start-all.sh 

再次jps一下看看啟動的情況

  1. root@node0:/# jps 
  2.  
  3. 1532 Jps 
  4.  
  5. 843 NameNode 
  6.  
  7. 1025 SecondaryNameNode 
  8.  
  9. 1393 Master 

一切正常，就可以開始啟動spark-shell進行測試了，以standalone方式啟動：

  1. root@node0:/# /opt/spark-1.2.0-bin-hadoop2.4/bin/spark-shell --master spark://node0:7077 

root@node0:/# /opt/spark-1.2.0-bin-hadoop2.4/bin/spark-shell --master spark://node0:7077

到這里也基本已經(jīng)結(jié)束了，可以跑一個wordcount的例子，同樣也可以使用webUI查看spark的情況。

責(zé)任編輯：xinxiaoliang 來源： DockOne
Docker容器
相關(guān)推薦

2014-03-17 10:05:45

Hadoop集群

2016-10-27 09:37:10

Hadoop集群配置

2011-12-07 16:11:50

Hadoop集群搭建

2023-06-12 07:41:16

dockerspark集群

2015-05-27 10:29:41

DockerHadoopHadoop集群

2022-07-20 15:10:38

Docker大數(shù)據(jù)平臺

2023-04-07 08:28:14

2014-07-01 09:53:21

DockerHadoop集群

2022-09-15 08:31:11

主從復(fù)制模式Docker

2023-11-13 09:03:10

2021-04-19 08:52:58

Hadoop集群搭建Python

2010-06-03 19:02:31

Hadoop集群搭建

2010-06-04 18:17:50

Hadoop集群

2014-09-16 10:13:27

Spark搭建環(huán)境

2024-03-07 16:03:56

RedisDocker

2017-08-10 10:17:32

Hadoop分布式搭建

2010-06-04 18:06:22

Hadoop集群搭建

2012-11-01 17:15:04

2015-06-16 16:20:40

2017-07-11 13:30:12

RedisDockerLinux
點贊
收藏

51CTO技術(shù)棧公眾號