Docker-Compose搭建Spark集群的实现方法 Docker-Compose搭建Spark集群的实现

一、前言
二、docker-compose.yml
三、启动集群
四、结合hdfs使用

一、前言在前文中，我们使用Docker-Compose完成了hdfs集群的构建。本文将继续使用Docker-Compose，实现Spark集群的搭建。

二、docker-compose.yml 对于Spark集群，我们采用一个mater节点和两个worker节点进行构建。其中，所有的work节点均分配1一个core和 1GB的内存。
Docker镜像选择了bitnami/spark的开源镜像，选择的spark版本为2.4.3，docker-compose配置如下：

master:image: bitnami/spark:2.4.3container_name: masteruser: rootenvironment:- SPARK_MODE=master- SPARK_RPC_AUTHENTICATION_ENABLED=no- SPARK_RPC_ENCRYPTION_ENABLED=no- SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no- SPARK_SSL_ENABLED=noports:- '8080:8080'- '7077:7077'volumes:- ./python:/pythonworker1:image: bitnami/spark:2.4.3container_name: worker1user: rootenvironment:- SPARK_MODE=worker- SPARK_MASTER_URL=spark://master:7077- SPARK_WORKER_MEMORY=1G- SPARK_WORKER_CORES=1- SPARK_RPC_AUTHENTICATION_ENABLED=no- SPARK_RPC_ENCRYPTION_ENABLED=no- SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no- SPARK_SSL_ENABLED=noworker2:image: bitnami/spark:2.4.3container_name: worker2user: rootenvironment:- SPARK_MODE=worker- SPARK_MASTER_URL=spark://master:7077- SPARK_WORKER_MEMORY=1G- SPARK_WORKER_CORES=1- SPARK_RPC_AUTHENTICATION_ENABLED=no- SPARK_RPC_ENCRYPTION_ENABLED=no- SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no- SPARK_SSL_ENABLED=no

在master节点中，也映射了一个/python目录，用于存放pyspark代码，方便运行。
对于master节点，暴露出7077端口和8080端口分别用于连接spark以及浏览器查看spark UI，在spark UI中，集群状态如下图（启动后）：

文章图片

如果有需要，可以自行添加worker节点，其中可以修改SPARK_WORKER_MEMORY与SPARK_WORKER_CORES对节点分配的资源进行修改。
对于该镜像而言，默认exec进去是无用户的，会导致一些安装命令权限的不足，无法安装。例如需要运行pyspark，可能需要安装numpy、pandas等库，就无法使用pip完成安装。而通过user: root就能设置默认用户为root用户，避免上述问题。
【Docker-Compose搭建Spark集群的实现方法】
三、启动集群同上文一样，在docker-compose.yml的目录下执行docker-compose up -d命令，就能一键构建集群（但是如果需要用到numpy等库，还是需要自己到各节点内进行安装）。
进入master节点执行spark-shell，成功进入：

文章图片

四、结合hdfs使用将上文的Hadoop的docker-compose.yml与本次的结合，得到新的docker-compose.yml：

version: "1.0"services:namenode:image: bde2020/hadoop-namenode:2.0.0-hadoop3.2.1-java8container_name: namenodeports:- 9870:9870- 9000:9000volumes:- ./hadoop/dfs/name:/hadoop/dfs/name- ./input:/inputenvironment:- CLUSTER_NAME=testenv_file:- ./hadoop.envdatanode:image: bde2020/hadoop-datanode:2.0.0-hadoop3.2.1-java8container_name: datanodedepends_on:- namenodevolumes:- ./hadoop/dfs/data:/hadoop/dfs/dataenvironment:SERVICE_PRECONDITION: "namenode:9870"env_file:- ./hadoop.envresourcemanager:image: bde2020/hadoop-resourcemanager:2.0.0-hadoop3.2.1-java8container_name: resourcemanagerenvironment:SERVICE_PRECONDITION: "namenode:9000 namenode:9870 datanode:9864"env_file:- ./hadoop.envnodemanager1:image: bde2020/hadoop-nodemanager:2.0.0-hadoop3.2.1-java8container_name: nodemanagerenvironment:SERVICE_PRECONDITION: "namenode:9000 namenode:9870 datanode:9864 resourcemanager:8088"env_file:- ./hadoop.envhistoryserver:image: bde2020/hadoop-historyserver:2.0.0-hadoop3.2.1-java8container_name: historyserverenvironment:SERVICE_PRECONDITION: "namenode:9000 namenode:9870 datanode:9864 resourcemanager:8088"volumes:- ./hadoop/yarn/timeline:/hadoop/yarn/timelineenv_file:- ./hadoop.envmaster:image: bitnami/spark:2.4.3-debian-9-r81container_name: masteruser: rootenvironment:- SPARK_MODE=master- SPARK_RPC_AUTHENTICATION_ENABLED=no- SPARK_RPC_ENCRYPTION_ENABLED=no- SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no- SPARK_SSL_ENABLED=noports:- '8080:8080'- '7077:7077'volumes:- ./python:/pythonworker1:image: bitnami/spark:2.4.3-debian-9-r81container_name: worker1user: rootenvironment:- SPARK_MODE=worker- SPARK_MASTER_URL=spark://master:7077- SPARK_WORKER_MEMORY=1G- SPARK_WORKER_CORES=1- SPARK_RPC_AUTHENTICATION_ENABLED=no- SPARK_RPC_ENCRYPTION_ENABLED=no- SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no- SPARK_SSL_ENABLED=noworker2:image: bitnami/spark:2.4.3-debian-9-r81container_name: worker2user: rootenvironment:- SPARK_MODE=worker- SPARK_MASTER_URL=spark://master:7077- SPARK_WORKER_MEMORY=1G- SPARK_WORKER_CORES=1- SPARK_RPC_AUTHENTICATION_ENABLED=no- SPARK_RPC_ENCRYPTION_ENABLED=no- SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no- SPARK_SSL_ENABLED=no

运行集群(还需要一个hadoop.env文件见上文)长这样：