DockerInfo在本文的例子中，你将使用 Kubernetes 和 Docker 创建一个功能型Apache Spark集群。
你将使用Spark standalone模式 安装一个 Spark master服务和一组Spark workers。
源代码
Docker 镜像主要基于 https://github.com/mattf/docker-spark。 源码托管在 https://github.com/kubernetes/application-images/tree/master/spark
步骤零：准备工作
本示例假定你已经具备以下条件：
- 有已安装并运行的 kubernetes集群。
- 已在某个path路径中安装了kubectl 命令行工具。
- 已运行了一个spark-master的k8s service，可以使用‘spark-master’域名在kube DNS实例中自动发现该服务。
更多详细内容可在源码的Dockerfile中查看。
第一步：创建命名空间
$ kubectl create -f examples/spark/namespace-spark-cluster.yaml
现在列出所有命名空间：
$ kubectl get namespaces NAME LABELS STATUS default <none> Active spark-cluster name=spark-cluster Active
对于kubectl 客户端使用的命名空间，我们定义一个环境并使用它：
$ kubectl config set-context spark --namespace=spark-cluster --cluster=${CLUSTER_NAME} --user=${USER_NAME}
$ kubectl config use-context spark
你可以在Kubernetes配置文件~/.kube/config中查看集群名称以及用户名称。
第二步：启动你的master服务
Master service 是 Spark集群的master服务。
使用 examples/spark/spark-master-controller.yaml 文件来创建一个replication controller 运行Spark Master服务。
$ kubectl create -f examples/spark/spark-master-controller.yaml replicationcontroller "spark-master-controller" created
然后，用examples/spark/spark-master-service.yaml 文件来创建一个逻辑上的服务端点，Spark workers可以使用该服务来访问Master pod
$ kubectl create -f examples/spark/spark-master-service.yaml service "spark-master" created
然后你可以为Spark Master WebUI 创建一个服务：
$ kubectl create -f examples/spark/spark-webui.yaml service "spark-webui" created
查看 Master 是否能运行和可访问
$ kubectl get podsNAME READY STATUS RESTARTS AGEspark-master-controller-5u0q5 1/1 Running 0 8m
检查日志以查看master的状态。（使用上一条指令输出的pod名称）
{{{$ kubectl logs spark-master-controller-5u0q5
starting org.apache.spark.deploy.master.Master, logging to /opt/spark
-1.5.1-bin-hadoop2.6/sbin/../logs/spark--org.apache.spark.deploy.master.
- Master-1-spark-
master-controller-g0oao.out
Spark Command: /usr/lib/jvm/java-8-openjdk-amd64/jre/bin/java -cp /
opt/spark-1.5.1-bin-hadoop2.6/sbin/../conf/:/opt/spark-1.5.1-bin-
hadoop2.6/lib/spark-assembly-1.5.1-hadoop2.6.0.jar:/opt/spark-1.5.1
-bin-hadoop2.6/lib/datanucleus-rdbms-3.2.9.jar:/opt/spark-1.5.1-bin
- -hadoop2.6/lib/datanucleus-core-3.2.10.jar:/opt/spark-1.5.1-bin-
- hadoop2.6/lib/datanucleus-api-jdo-3.2.6.jar -Xms1g -Xmx1g org.apache.spark.deploy.master.Master --ip spark-master --port 7077
- --webui-port 8080
========================================
15/10/27 21:25:05 INFO Master: Registered signal handlers for
[TERM, HUP, INT]
15/10/27 21:25:05 INFO SecurityManager: Changing view acls to: root
15/10/27 21:25:05 INFO SecurityManager: Changing modify acls to: root
15/10/27 21:25:05 INFO SecurityManager: SecurityManager: authentication
disabled; ui acls disabled; users with view permissions: Set(root); users with
modify permissions: Set(root)
15/10/27 21:25:06 INFO Slf4jLogger: Slf4jLogger started
15/10/27 21:25:06 INFO Remoting: Starting remoting
15/10/27 21:25:06 INFO Remoting: Remoting started; listening on addresses :[akka.tcp://sparkMaster@spark-master:7077]
15/10/27 21:25:06 INFO Utils: Successfully started service 'sparkMaster' on port
7077.
15/10/27 21:25:07 INFO Master: Starting Spark master at spark://spark-master:
7077
15/10/27 21:25:07 INFO Master: Running Spark version 1.5.1
15/10/27 21:25:07 INFO Utils: Successfully started service 'MasterUI' on
port 8080.
15/10/27 21:25:07 INFO MasterWebUI: Started MasterWebUI at http://
spark-master:8080
15/10/27 21:25:07 INFO Utils: Successfully started service on port 6066.
15/10/27 21:25:07 INFO StandaloneRestServer: Started REST server for
submitting applications on port 6066
15/10/27 21:25:07 INFO Master: I have been elected leader! New state: ALIVE}}}
确认master正常运行后，你可以使用k8s集群代理访问Spark WebUI：
kubectl proxy --port=8001
此时可以通过http://localhost:8001/api/v1/proxy/namespaces/spark-cluster/services/spark-webui/访问UI
第三步：启动 Spark workers
Spark workers 在 Spark 集群中扮演十分重要的角色。他们为程序提供执行资源和数据缓存功能。
Spark workers 需要 Master service处于运行状态。
使用examples/spark/spark-worker-controller.yaml 文件创建一个replication controller来管理 worker pods 。
$ kubectl create -f examples/spark/spark-worker-controller.yaml replicationcontroller "spark-worker-controller" created
查看 workers 是否正常运行
如果你启动Spark WebUI，当worker就绪后应该出现在UI 中。（这可能需要一些时间来拉取镜像并启动pods。）你也可以用以下方式查询状态：
$ kubectl get pods NAME READY STATUS RESTARTS AGE spark-master-controller-5u0q5 1/1 Running 0 25m spark-worker-controller-e8otp 1/1 Running 0 6m spark-worker-controller-fiivl 1/1 Running 0 6m spark-worker-controller-ytc7o 1/1 Running 0 6m $ kubectl logs spark-master-controller-5u0q5 [...] 15/10/26 18:20:14 INFO Master: Registering worker 10.244.1.13:53567 with 2 cores, 6.3 GB RAM 15/10/26 18:20:14 INFO Master: Registering worker 10.244.2.7:46195 with 2 cores, 6.3 GB RAM 15/10/26 18:20:14 INFO Master: Registering worker 10.244.3.8:39926 with 2 cores, 6.3 GB RAM
假如上一节中kubectl proxy仍在运行，你应该也能在UI中看到workers。注：UI 将含有到 worker Web UI的超链接。 这些链接是不能正常工作的（链接将尝试连接到集群IP，而Kubernetes不会自动代理的集群IP）。
第四步：在 Spark 集群中启动 Zeppelin UI来加载工作任务
Zeppelin UI pod可以用来在Spark集群加载jobs，加载操作既可以通过web端的笔记本完成，也可以通过传统的Spark命令行方式完成。更多细节见 Zeppelin和 Spark architecture架构。
$ kubectl create -f examples/spark/zeppelin-controller.yaml replicationcontroller "zeppelin-controller" created
Zeppelin 需要 Master service处于运行状态。
查看 Zeppelin 是否正常运行
$ kubectl get pods -l component=zeppelin NAME READY STATUS RESTARTS AGE zeppelin-controller-ja09s 1/1 Running 0 53s
第五步：操作集群
现在你有两个选择：可以通过图形界面访问Spark 集群，也可以保持使用CLI。
快速使用pyspark
使用 kubectl exec连接到Zeppelin 驱动并运行pipeline。
使用 kubectl exec连接到Zeppelin 驱动并运行pipeline。
$ kubectl exec zeppelin-controller-ja09s -it pyspark
Python 2.7.9 (default, Mar 1 2015, 12:57:24)
[GCC 4.9.2] on linux2
Type "help", "copyright", "credits" or "license" for more
information.
Welcome to
____ __
/ __/__ ___ _____/ /__
_\ \/ _ \/ _ `/ __/ '_/
/__ / .__/\_,_/_/ /_/\_\ version 1.5.1
/_/
Using Python version 2.7.9 (default, Mar 1 2015 12:57:24)
SparkContext available as sc, HiveContext available as sqlContext.
>>> sc.textFile("gs://dataflow-samples/shakespeare/*").map
(lambda s: len(s.split())).sum()
939193
恭喜你，你把所有莎士比亚戏剧中的单词个数统计出来了。
使用图形界面，亮瞎你的眼！
使用之前创建的Zeppelin pod，设置WebUI的转发端口：
$ kubectl port-forward zeppelin-controller-ja09s 8080:8080
这条指令将访问localhost 8080端口的请求转发到容器中的8080端口。然后你可以通过https://localhost:8080/ 访问Zeppelin。
创建一个“New Notebook”。在其中输入：
%pyspark
print sc.textFile("gs://dataflow-samples/shakespeare/*").map
(lambda s: len(s.split())).sum()
结论
现在你已为Spark master，Spark workers 和 Spark driver创建了service和replication controller。你可以用这个例子来进行下一步，并开始使用刚才创建的Apache Spark集群，更多信息见Spark 文档。
tl;dr kubectl create -f examples/spark
设置后：
kubectl get pods # Make sure everything is running kubectl proxy --port=8001 # Start an application proxy, if you want to see the Spark Master WebUI kubectl get pods -lcomponent=zeppelin # Get the driver pod to interact with.
此时Master UI 可以通过http://localhost:8001/api/v1/proxy/namespaces/spark-cluster/services/spark-webui/访问。
你可以通过kubectl exec使用传统的spark-shell / spark-subsubmit / pyspark 命令行与Spark 集群进行交互，或者如果你想与Zeppelin交互：
kubectl port-forward zeppelin-controller-abc123 8080:8080 & kubectl port-forward zeppelin-controller-abc123 8080:8080 &
然后访问http://localhost:8080/
使用Spark 的已知问题
- 该方案提供了一个仅限于集群网络的Spark 配置，这意味着Spark master 只能通过集群service访问。如果你需要在 zeppelin pod 中使用除了Zeppelin 或spark-submit 之外的外部客户端来提交 jobs ，你需要为客户端提供一种访问examples/spark/spark-master-service.yaml 的方式。参见service以了解更多信息。
使用 Zeppelin 的已知问题
- Zeppelin pod 很大，因此拉取镜像可能会消耗一段时间，拉取速度取决于你的网络条件。Zeppelin pod 的尺寸是我们正要解决的问题。
- 第一次运行Zeppelin 时， pipeline可能会花费很多时间（约一分钟）。似乎需要相当多的时间来加载。
- 在GKE环境中， kubectl port-forward 不可能长时间保持稳定状态。如果你发现Zeppelin变成断开状态，port-forward很可能出现故障，并需要重启。
文章原标题：搭建Spark集群？没想到你是这样的k8s
评论前必须登录！
注册