基于docker构建spark运行环境

参考之前的实验进行docker和docker-compose的安装。

使用docker hub查找我们需要的镜像。

1. spark-master
   

2. spark-worker
   

docker-compose.yml文件可以从本机编辑好再上传的虚拟机或服务器。
将docker-compose.yml文件拷贝到/usr/local/bin/内部并通过以下命令给予执行权限。
chmod 777
docker-compose.yml文件内容如下：
version: ‘3’

services:
spark-master:
image: bde2020/spark-master:3.1.1-hadoop3.2
container_name: spark-master
ports:
- “8080:8080”
- “7077:7077”
volumes:
- <共享目录绝对路径>:/data
environment:
- INIT_DAEMON_STEP=setup_spark
spark-worker-1:
image: bde2020/spark-worker:3.1.1-hadoop3.2
container_name: spark-worker-1
depends_on:
- spark-master
ports:
- “8081:8081”
volumes:
- <共享目录绝对路径>:/data
environment:
- “SPARK_MASTER=spark://spark-master:7077”
spark-worker-2:
image: bde2020/spark-worker:3.1.1-hadoop3.2
container_name: spark-worker-2
depends_on:
- spark-master
ports:
- “8082:8081”
volumes:
- <共享目录绝对路径>:/data
environment:
- “SPARK_MASTER=spark://spark-master:7077”

1. 在yml文件所在的目录下，执行命令：
   sudo docker-compose up -d

2. 检查docker在命令行的输出确认容器的部署顺利完成。
   

3. 查看容器创建与运行状态
   sudo docker ps
   

4. 对输出进行格式化(可选)
   sudo docker ps --format ‘{{.ID}} {{.Names}}’
   

5. 使用浏览器查看master的web ui界面
   

6. 进入spark-master容器
   sudo docker exec -it /bin/bash
   

7. 查询spark环境，安装在/spark下面。
   ls /spark/bin
   

8. 进入spark-shell
   /spark/bin/spark-shell --master spark://spark-master:7077 --total-executor-cores 4 --executor-memory 1280m
   

9. 进入浏览器查看spark-shell的状态
   

1. 创建一个RDD
   val rdd=sc.parallelize(Array(1,2,3,4,5,6,7,8))
   

2. 打印rdd内容
   rdd.collect()
   

3. 查询分区数
   rdd.partitions.size
   

4. 选出大于5的数值
   val rddFilter=rdd.filter(_ > 5)
   

5. 打印rddFilter内容
   rddFilter.collect()
   

6. 退出spark-shell
   :quit