Apache Spark 是一個(gè)統(tǒng)一的分析引擎，用于大規(guī)模數(shù)據(jù)處理。使用 Docker 部署 Spark 集群是一種簡便且高效的方式。本文將詳細(xì)介紹如何通過 Docker Compose 部署一個(gè) Spark 集群，包括一個(gè) Master 節(jié)點(diǎn)和多個(gè) Worker 節(jié)點(diǎn)。

環(huán)境要求

在開始部署之前，請確保以下環(huán)境已準(zhǔn)備就緒：

• Docker Engine：安裝并運(yùn)行 Docker。
• Docker Compose：安裝 Docker Compose，用于定義和運(yùn)行多容器應(yīng)用。
• 網(wǎng)絡(luò)環(huán)境：確保主機(jī)可以連接到 Docker Hub 以下載鏡像。

Docker Compose 配置文件

以下是用于部署 Spark 集群的 docker-compose.yml 文件：

version: '3'
services:
  master:
    image: bitnami/spark:3.5.4
    container_name: master
    user: root
    environment:
      - SPARK_MODE=master
      - SPARK_RPC_AUTHENTICATION_ENABLED=no
      - SPARK_RPC_ENCRYPTION_ENABLED=no
      - SPARK_LOCAL_STORAGE_ENCRYPTION_ENABLED=no
      - SPARK_SSL_ENABLED=no
      - SPARK_MASTER_WEBUI_PORT=8080
      - SPARK_MASTER_PORT=7077
    ports:
      - '8080:8080'
      - '7077:7077'
    volumes:
      - ./python:/python
  worker1:
    image: bitnami/spark:3.5.4
    container_name: worker1
    user: root
    environment:
      - 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
    depends_on:
      - master
  worker2:
    image: bitnami/spark:3.5.4
    container_name: worker2
    user: root
    environment:
      - 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
    depends_on:
      - master
networks:
  default:
    driver: bridge

配置詳解

Master 節(jié)點(diǎn)配置

• 鏡像：使用 bitnami/spark:3.5.4 鏡像。
• 容器名稱：指定容器名稱為 master。
• 用戶：以 root 用戶運(yùn)行容器。
• 環(huán)境變量：
  • SPARK_MODE=master：指定節(jié)點(diǎn)模式為 Master。
  • SPARK_MASTER_WEBUI_PORT=8080：設(shè)置 Web UI 訪問端口。
  • SPARK_MASTER_PORT=7077：設(shè)置 Spark Master 通信端口。
• 端口映射：
  • 8080:8080：映射 Web UI 端口。
  • 7077:7077：映射 Spark Master 端口。
• 卷掛載：將主機(jī)的 ./python 目錄掛載到容器的 /python 目錄。

Worker 節(jié)點(diǎn)配置

• 鏡像：同樣使用 bitnami/spark:3.5.4 鏡像。
• 容器名稱：分別指定為 worker1 和 worker2。
• 用戶：以 root 用戶運(yùn)行容器。
• 環(huán)境變量：
  • SPARK_MODE=worker：指定節(jié)點(diǎn)模式為 Worker。
  • SPARK_MASTER_URL=spark://master:7077：指定 Master 節(jié)點(diǎn)的 URL。
  • SPARK_WORKER_MEMORY=1G：配置 Worker 節(jié)點(diǎn)的內(nèi)存。
  • SPARK_WORKER_CORES=1：配置 Worker 節(jié)點(diǎn)的 CPU 核數(shù)。
• 依賴：指定 Worker 節(jié)點(diǎn)依賴 Master 節(jié)點(diǎn)，確保 Master 節(jié)點(diǎn)先啟動(dòng)。

網(wǎng)絡(luò)配置

• 使用橋接網(wǎng)絡(luò)，將所有容器連接到同一個(gè)網(wǎng)絡(luò)中，以便它們可以互相通信。

部署 Spark 集群

步驟 1：創(chuàng)建 Docker Compose 文件

將上述配置內(nèi)容保存為 docker-compose.yml 文件。

步驟 2：構(gòu)建并啟動(dòng)容器

在終端中，進(jìn)入包含 docker-compose.yml 文件的目錄，并運(yùn)行以下命令：

docker compose up -d

• up：構(gòu)建并啟動(dòng)容器。
• -d：后臺運(yùn)行。

步驟 3：驗(yàn)證集群狀態(tài)

啟動(dòng)容器后，可以通過以下方式驗(yàn)證集群狀態(tài)：

查看容器狀態(tài)：

docker compose ps

預(yù)期輸出：

訪問 Spark Web UI：

打開瀏覽器，訪問 http://{你的虛擬機(jī)Ip}:8080，即可看到 Spark Master 的 Web UI，顯示所有 Worker 節(jié)點(diǎn)的連接狀態(tài)。

驗(yàn)證 Worker 節(jié)點(diǎn)連接：

在 Web UI 中，導(dǎo)航到 http://{你的虛擬機(jī)Ip}:8080，檢查 "Workers" 標(biāo)簽頁，應(yīng)顯示 worker1 和 worker2 已連接。

步驟 4：運(yùn)行 Spark 作業(yè)

為了驗(yàn)證 Spark 集群的功能，可以運(yùn)行一個(gè)簡單的 Spark 作業(yè)。以下是一個(gè)示例：

方法一：在 Master 容器內(nèi)部運(yùn)行 Spark 作業(yè)

進(jìn)入 Master 容器

docker compose exec master bash

運(yùn)行 Spark PI 示例：

/opt/bitnami/spark/bin/spark-shell --master spark://master:7077
或者
$SPARK_HOME/bin/spark-shell --master spark://master:7077

在 Spark Shell 中運(yùn)行以下代碼：

val numSamples = 100000000
val count = sc.parallelize(1 to numSamples).count()
println(s"Pi is roughly ${count * 4.0 / numSamples}")

方法二：通過 Python 提交 Spark 作業(yè)

假設(shè)你有一個(gè) Python 腳本 pi.py，內(nèi)容如下：

from pyspark.sql import SparkSession
if __name__ == "__main__":
    spark = SparkSession.builder.appName("Pi Calculator").getOrCreate()
    numSamples = 100000000
    count = spark.sparkContext.parallelize(range(1, numSamples)).count()
    print(f"Pi is roughly {4.0 * count / numSamples}")
    spark.stop()

 將 pi.py 放在 ./python 目錄下，然后提交作業(yè)：

docker-compose exec master /opt/bitnami/spark/bin/spark-submit --master spark://master:7077 /python/pi.py

運(yùn)行結(jié)果：

步驟 5：停止和清理（注意，這個(gè)不是讓你測試的，看清楚）

完成測試后，可以停止并刪除容器：

docker compose down

總結(jié)

通過以上步驟，你已經(jīng)成功使用 Docker 部署了一個(gè) Spark 集群，包括一個(gè) Master 節(jié)點(diǎn)和兩個(gè) Worker 節(jié)點(diǎn)。這種部署方式具有以下優(yōu)勢：

• 快速部署：通過 Docker Compose 一鍵式部署，無需手動(dòng)配置每個(gè)節(jié)點(diǎn)。
• 資源隔離：每個(gè)節(jié)點(diǎn)運(yùn)行在獨(dú)立的容器中，資源分配清晰。
• 易于擴(kuò)展：可以輕松添加或刪除 Worker 節(jié)點(diǎn)以適應(yīng)不同的工作負(fù)載。
• 環(huán)境一致性：所有節(jié)點(diǎn)使用相同的 Spark 鏡像，確保環(huán)境一致。

你可以根據(jù)需要調(diào)整 docker-compose.yml 文件中的配置，例如增加 Worker 節(jié)點(diǎn)的數(shù)量、調(diào)整內(nèi)存和 CPU 核數(shù)等。希望這篇文章能幫助你快速上手 Spark 集群的 Docker 部署！

到此這篇關(guān)于如何使用 Docker 部署 Spark 集群的文章就介紹到這了,更多相關(guān)Docker 部署 Spark 集群內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論