spark要配合hadoop的hdfs使用,然而hadoop的特点就是分布式,在一台主机上搭建集群有点困难,百度后发现可以使用docker构建搭建,于是开搞:
github项目:https://github.com/kiwenlau/hadoop-cluster-docker
参考文章:http://www.zzvips.com/article/133309.html
docker安装
文章中安装的是docker.io
但是我推荐安装docker-ce,docker.io版本太老了,步骤如下:
1、国际惯例更新下apt软件包的源
1
|
sudo apt-get update |
2、安装软件包以允许apt通过https使用存储库
1
2
3
4
5
|
sudo apt-get install \ apt-transport-https \ ca-certificates \ curl \ software-properties-common |
3、因为被墙使用教育网镜像:
4、同样
1
2
3
4
|
sudo add-apt-repository \ "deb [arch=amd64] https: //mirrors .ustc.edu.cn /docker-ce/linux/ubuntu \ $(lsb_release -cs) \ stable" |
5、更新下我们的软件源
1
|
sudo apt-get update |
6、安装docker
1
|
sudo apt-get install docker-ce |
7、启动docker服务
1
|
sudo service docker start |
or
1
|
sudo systemctl start docker |
8、觉得有必要可以设置开机自带启动
1
|
sudo systemctl enable docker |
9、关闭自启动
1
|
sudo systemctl disable docker |
10、国内访问docker会受限制,可以使用加速服务,阿里云、网易云、daocloud
11、运行 docker run hello-world
测试是否安装成功
12、想要安装其他image 可以到docker hub上找
或是直接在github上搜索相应docker
搭建hadoop集群
搭建过程很简单
https://github.com/kiwenlau/hadoop-cluster-docker
上步骤说明很详细:
1、pull镜像,速度慢的换国内镜像源
1
|
sudo docker pull kiwenlau /hadoop :1.0 |
200多m不算大,我下过jupyter官方pyspark的docker 5g…
2、克隆项目到本地
1
|
git clone https://github.com/kiwenlau/hadoop-cluster-docker |
其实只用到里面的 start-container.sh 文件也可以单独下,复制粘贴啥的
3、start-container.sh 需要修改一下 cd 到文件目录
sudo gedit start-container.sh
修改如下
开放9000端口还有创建共享文件夹方便以后使用
4、保存之后,创建docker-hadoop网络
1
|
sudo docker network create --driver=bridge hadoop |
5、开启容器
1
|
sudo ./start-container.sh |
6、开启hadoop集群
1
|
./start-hadoop.sh |
7、测试一下hadoop,在hdfs上创建 test/input 目录
1
2
|
hadoop fs -mkdir -p /test/input hadoop fs -ls /test |
8、运行word-count程序
1
|
./run-wordcount.sh |
结果如下
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。
原文链接:https://blog.csdn.net/tonydz0523/article/details/80534985