Kubernetes助力Spark大数据分析

  • 时间:
  • 浏览:0
  • 来源:UU直播快三官方_大发UU直播快3

至此,使用官方的例子体验Spark on Kubernetes就完成了。越来越,如可提交本人编写的Spark线程到Kubernetes集群呢?

(1) 获取集群信息,确认Kubernetes master地址

Spark原生支持Kubernetes最大的好处是,不必在Kubernetes集群上再建立一层资源调度系统,但会 我建立1个 新Spark容器镜像,并指派大概的RBAC权限角色,给所要执行的Spark应用线程,就还必须在Kubernetes集群上运行Spark线程了。

FROM registry/spark:2.3.0

5总结

--class org.apache.spark.examples.SparkPi \

新版的Spark加入对Kubernetes的原生支持,统一了Spark线程在Kubernetes上所有工作负载的控制层,原本还必须错综复杂群集管理并提高资源利用率。总的来说,使用Kubernetes原生调度的Spark主要有以下优点:

(2) 为Spark创建1个 RBAC的role

(3) 运行如下命令,向Kubernetes集群提交计算π值的例子

--conf spark.kubernetes.container.image=registry/spark:2.3.0 \

(2) 制作Spark基础镜像

量子之盾—打造防窃听和安全的量子通信系统

--deploy-mode cluster \

--conf spark.kubernetes.authenticate.driver.serviceAccountName=spark \

$/spark-2.3.0-bin-hadoop2.6/bin/spark-submit \

资源隔离:任务还必须提交到指定的namespace,原本还必须复用Kubernetes原生的qouta限制,实现任务资源的限制;

(3) 查看镜像

$ kubectl create serviceaccount spark

--master k8s://192.168.19.13:6443\

(4) 查看运行清况 ,计算π值的例子运行调慢,还必须看后它肯能运行之前 之前 之前 之前 开始 了

$ kubectl logs -f spark-pi-63abb54cf382394d95413f43744c65ed-Drive

$docker build -t registry/spark_wordcount:latest -f Dockerfile .

import org.apache.commons.io.IOUtilsimport org.apache.spark.sql.functions._import java.net.URLimport org.apache.spark.sql.SparkSessionclass WordCount { def main(args: Array[ String]) { val spark = SparkSession .builder .appName("CopyData") .getOrCreate() import spark.implicits._ valbankText = spark.sparkContext.parallelize( IOUtils.toString ( newURL("http://novel.tingroom.com/novel_down.php?aid=319&dopost=txt") ).split("\n" )) bankText.flatMap(p=>{ val pattern = "[^a-zA-Z0-9-']".r val line = pattern.replaceAllIn(p," " ) line.split(" ") }).map((_,1 )).reduceByKey(_+_).sortBy(p=>p._2,false ).toDF("word","count"). where(length ('word)> 4).show }}

用户自定义:用户还必须在Spark基础镜像中打上本人的Application, 更加灵活和方便;

内容编辑:安全大数据分析实验室 邓新程 责任编辑:肖晴

COPY wordcount.jar /opt/spark/jars

(5)当任务运行完了前一天,使用kubectl logs查看wordcount线程运行所对应drive pod内的日志,还必须得词频最高的前20个词,如下图。

--name wordcount \

实在只需把本人写好的Spark线程编译成jar文件,本身打包到Spark基础镜像中,就还必须提交到Kubernetes集群中运行了。

$ cd spark-2.3.0-bin-hadoop2.6

Spark2.3.0前一天的版本只原生支持Standalone、YARN和Mesos本身部署模式,也统统我说要迁移Spark2.3.0前一天的Spark到Kuberbetes上,还得准备一层Standalone、YARN肯能Mesos环境,不过Spark2.3.0肯能引入了对Kubernetes的原生支持。

使用docker build命令制作

--conf spark.kubernetes.container.image=registry/spark_wordcount:latest \

绿盟科技创新中心作为“中关村科技园区海淀园博士后工作站分站”的重要培养单位之一,与清华大学进行博士后联合培养,科研成果已暗含各类国家课题项目、国家专利、国家标准、高水平学术论文、出版专业书籍等。

local:///opt/spark/examples/jars/spark-examples_2.11-2.3.0.jar

当让我们持续探索信息安全领域的前沿学术方向,从实践出发,结合公司资源和先进技术,实现概念级的原型系统,进而交付产品线孵化产品并创造巨大的经济价值。

量子之矛—后量子计算时代你的系统还安全吗?

当让我们通过spark-submit将Spark作业提交到Kubernetes集群时,会执行以下流程:

$ docker images | grep registry/spark

4 运行本人编写的Spark线程

RUN mkdir -p /opt/spark/jars

原生资源调度:不再必须二级调度,直接使用Kubernetes原生的调度模块,实现与本身应用的混布;

Kubernetes 作为1个 广受欢迎的开源容器协调系统, 是Google于2014年酝酿的项目。从Google趋势上看后,Kubernetes自2014年以来热度一路飙升,短短几年时间就已超越了大数据分析领域的长老Hadoop。本公众号前一天的文章(Kubernetes核心组件解析)也对Kubernetes的有好多个组件做了本身删改的剖析,本文就带领当让我们一起去看看Kubernetes和Spark碰到一起去会擦出哪些样的火花。

$ tar -zxvf spark-2.3.0-bin-hadoop2.6

关于当让我们

$ ./bin/docker-image-tool.sh -r <repo> -t my-tag build

(1)准备源代码。以1个 wordcount线程为例。线程会从1个 小说网站下载《了不起的盖茨比》的英文版小说,本身对其做词频统计,源代码如下:

绿盟科技研究通讯由绿盟科技创新中心负责运营,绿盟科技创新中心是绿盟科技的前沿技术研究部门。包括云安全实验室、安全大数据分析实验室和物联网安全实验室。团队成员由来自清华、北大、哈工大、中科院、北邮等多所重点院校的博士和硕士组成。

4. Driver Pod所处completed清况 ,保留日志,直到Kubernetes GC肯能手动清理

(3)wordcount.jar和DockerFlie文件装进同一路径下,并在该路径下运行docker bulid命令打包镜像:

使用Spark提供的docker-image-tool.sh脚本制作

接下来就介绍如可在1个 Kubernetes上运行Spark线程。

本文转自掘金-Kubernetes助力Spark大数据分析

(1) 当让我们测试的是Spark 2.3.0,肯能Spark on Kubernetes任务提交后,实际上在集群中是以custom resources和custom controller的形式运行,统统当让我们必须1个 1.7+版本的k8s集群,一起去必须启动Kubernetes DNS和RBAC。

--class example.wordcount.WordCount \

Spark2.3.0还必须将编写好的数据解决线程直接通过spark-submit提交到Kubernetes集群,通过创建1个 Drive Pod和一系列Executor Pods,本身一起去协调完成计算任务,整体过程的官方示意图如下。

1前提条件

--conf spark.executor.instances=2 \

(2) 源代码编译为wordcount.jar文件,并编写Dockerfile文件,内容如下:

--name spark-pi \

3 运行Spark官方例子

期回顾

本公众号原创文章仅代表作者观点,不代表绿盟科技立场。所有原创内容版权均属绿盟科技研究通讯。未经授权,严禁任何媒体以及微信公众号克隆好友、转载、摘编或以本身法律法律土办法使用,转载须注明来自绿盟科技研究通讯并附上本文链接。

2 打包制作Spark镜像

1. Spark在Kubernetes Pod中创建Spark Driver

2. Driver调用Kubernetes API创建ExecutorPods,Executor Pods执行作业代码

转变思维,打开量子的大门

$ kubectl cluster-info

local:///opt/spark/jars/wordcount.jar

$ kubectl get po

--conf spark.kubernetes.authenticate.driver.serviceAccountName=spark \

/home/nsfocus/dengxincheng/spark-2.3.1-bin-hadoop2.6/bin/spark-submit \

--conf spark.executor.instances=2 \

(5) 查看运行日志,还必须看后π值肯能计算出来了

(1) 解压并进入到解压后的Spark安装文件路径

(4)使用如下命令将wordcount线程提交到Kubernetes集群:

$ ./bin/docker-image-tool.sh -r <repo> -t my-tag push

$ docker build -t registry/spark:2.3.0 -f kubernetes/dockerfiles/spark/Dockerfile .

$ kubectl create clusterrolebinding spark-role --clusterrole=edit --serviceaccount=default:spark --namespace=default

【招聘】绿盟科技创新中心实习生招聘公告(长期有效)

--deploy-mode cluster \

(2) Spark2.3.0版本的二进制包,下载链接https://archive.apache.org/dist/spark/spark-2.3.0/spark-2.3.0-bin-hadoop2.6.tgz

--master k8s://k8s-master\

3. 计算作业之前 之前 之前 之前 开始 ,Executor Pods回收并清理