使用Docker快速搭建Spark集群。

创建Spark集群

• 首先在命令行下载该项目：

  • git clone https://github.com/gettyimages/docker-spark.git
    

• 在该目录下，输入compose up:

  • image-20181103161607705

• 等待安装，最后会提示Worker和master都准备好了：
  • image-20181103164306737
• 在浏览器中输入localhost:8080，出现如下界面，说明配置成功：
  • image-20181103164209061
• 我们可以使用docker ps -a命令查看当前运行的容器：
  • image-20181103164801925

集群使用与作业提交

集群使用

• 首先进入master的容器：
  • docker exec -it docker-spark_master_1 /bin/bash
  • 注意，使用exec命令进入容器时，在命令行输入exit不会退出容器，使用attach命令再次进入
  • image-20181103165057661
• 查看Spark和Hadoop的版本：
  • hadoop version
    • image-20181103165310600
  • spark shell
    • image-20181103165436488
  • 使用:quit退出spark-shell。
  • 同样也可以查看python的版本，为3.5.3，已经很新了。

作业提交

• 在配置docker compose时，我们已经将本地文件./data挂载到容器中的/tmp/data下，因此，我们可以先在本地文件中放入需要文件，这里我放入了kmeans的文件：
  • image-20181103172448920
• 在master节点中查看该文件：
  • image-20181103172541513
• 这已经映射到了hdfs上，我们可以使用hdfs dfs -cat命令查看：
  • image-20181103172841438
• 这样，我们就可以使用spark-submit运行我们的程序
• 在浏览器中查看运行的程序：
  • image-20181103173314647