# Zeppelin on Spark Cluster Mode( Spark 集群模式下的 Zeppelin ) 原文链接 : [http://zeppelin.apache.org/docs/0.7.2/install/spark_cluster_mode.html](http://zeppelin.apache.org/docs/0.7.2/install/spark_cluster_mode.html) 译文链接 : [http://www.apache.wiki/pages/viewpage.action?pageId=10031041](http://www.apache.wiki/pages/viewpage.action?pageId=10031041) 贡献者 : [小瑶](/display/~chenyao) [ApacheCN](/display/~apachecn) [Apache中文网](/display/~apachechina) ## 概述 到目前为止，**Apache Spark** 已经支持三种集群管理器类型（**Standalone**，**Apache Mesos** 和 **Hadoop YARN** ）。本文档将指导您如何使用 **Docker** 脚本使用 **Apache Zeppelin** 在3种类型的 **Spark** 集群管理器上构建和配置环境。所以首先在机器上安装 **docker** 。 ## Spark standalone mode ( Spark独立模式 ) Spark standalone 是Spark附带的简单集群管理器，可以轻松设置集群。您可以通过以下步骤简单地设置 Spark独立环境。 注意 由于 **Apache Zeppelin** 和 **Spark** 为其 **Web UI** 使用相同的 **8080** 端口，因此您可能需要在 **conf / zeppelin-site.xml** 中更改 **zeppelin.server.port** 。 ### 1.Build Docker file ( 构建 Docker 文件 ) 您可以在脚本 **/ docker / spark-cluster-managers** 下找到 **docker** 脚本文件。 ``` cd $ZEPPELIN_HOME/scripts/docker/spark-cluster-managers/spark_standalone docker build -t "spark_standalone" . ``` ### 2.Run docker ( 运行 docker ) ``` docker run -it \ -p 8080:8080 \ -p 7077:7077 \ -p 8888:8888 \ -p 8081:8081 \ -h sparkmaster \ --name spark_standalone \ spark_standalone bash; ``` 请注意，在这里运行 **docker** 容器的 **sparkmaster** 主机名应该在 **/ etc / hosts** 中定义。 ### 3.Configure Spark interpreter in Zeppelin ( 在 Zeppelin 中配置 Spark 解释器 ) 将 **Spark master** 设置为 **spark://<hostname>:7077** 在 **Zeppelin** 的解释器设置页面上。  ### 4.Run Zeppelin with Spark interpreter ( 用 Spark 解释器运行 Zeppelin ) 在 **Zeppelin** 中运行带有 **Spark** 解释器的单个段落后，浏览 **https：// <hostname>：8080**，并检查 **Spark** 集群是否运行正常。  您还可以通过以下命令简单地验证 **Spark** 在 **Docker** 中运行良好。 ``` ps -ef | grep spark ``` ## Spark on YARN mode ( Spark 在 YARN 模式下 ) 您可以通过以下步骤简单地设置** [Spark on YARN](http://spark.apache.org/docs/latest/running-on-yarn.html) docker** 环境。 注意 由于 **Apache Zeppelin** 和 **Spark** 为其 **Web UI** 使用相同的 **8080** 端口，因此您可能需要在 **conf / zeppelin-site.xml** 中更改 **zeppelin.server.port** 。 ### 1.Build Docker file ( 构建Docker文件 ) 您可以在脚本 **/ docker / spark-cluster-managers** 下找到 **docker** 脚本文件。 ``` cd $ZEPPELIN_HOME/scripts/docker/spark-cluster-managers/spark_yarn_cluster docker build -t "spark_yarn" . ``` ### 2.Run docker ( 运行 docker ) ``` docker run -it \ -p 5000:5000 \ -p 9000:9000 \ -p 9001:9001 \ -p 8088:8088 \ -p 8042:8042 \ -p 8030:8030 \ -p 8031:8031 \ -p 8032:8032 \ -p 8033:8033 \ -p 8080:8080 \ -p 7077:7077 \ -p 8888:8888 \ -p 8081:8081 \ -p 50010:50010 \ -p 50075:50075 \ -p 50020:50020 \ -p 50070:50070 \ --name spark_yarn \ -h sparkmaster \ spark_yarn bash; ``` 请注意，在这里运行 **docker** 容器的 **sparkmaster** 主机名应该在 **/ etc / hosts** 中定义。 ### 3.Verify running Spark on YARN ( 验证在YARN上运行Spark ) 您可以通过以下命令简单地验证 **Spark** 和 **YARN** 的进程在 **Docker** 中运行良好。 ``` ps -ef ``` 您还可以在 **http：// <hostname>：50070 /** ，**YARN on http：// <hostname>：8088 / cluster** 和 **Spark on http：// <hostname>：8080 /** 上查看 **HDFS** 的每个应用程序 **Web UI** 。 ### 4.Configure Spark interpreter in Zeppelin ( 在 Zeppelin 中配置 Spark 解释器 ) 将以下配置设置到 **conf / zeppelin-env.sh** 。 ``` export MASTER=yarn-client export HADOOP_CONF_DIR=[your_hadoop_conf_path] export SPARK_HOME=[your_spark_home_path] ``` **HADOOP_CONF_DIR**（ **Hadoop** 配置路径）在 **/ scripts / docker / spark-cluster-managers / spark_yarn_cluster / hdfs_conf** 中定义。 不要忘记在 **Zeppelin Interpreters** 设置页面中将 **Spark master** 设置为 **yarn-client** ，如下所示。  ### 5.Run Zeppelin with Spark interpreter ( 使用Spark解释器运行Zeppelin ) 在 **Zeppelin** 中使用 **Spark** 解释器运行单个段落后，浏览 h**ttp：// <hostname>：8088 / cluster / apps** 并检查 **Zeppelin** 应用程序运行是否正常。  ## Spark on Mesos mode ( Spark 在 Mesos 模式 ) 你可以通过以下步骤简单地设置 **[Spark on Mesos](http://spark.apache.org/docs/latest/running-on-mesos.html)** 环境。 ### 1.Build Docker file ( 构建 docker 文件 ) ``` cd $ZEPPELIN_HOME/scripts/docker/spark-cluster-managers/spark_mesos docker build -t "spark_mesos" . ``` ### 2.Run docker ( 运行 docker ) ``` docker run --net=host -it \ -p 8080:8080 \ -p 7077:7077 \ -p 8888:8888 \ -p 8081:8081 \ -p 8082:8082 \ -p 5050:5050 \ -p 5051:5051 \ -p 4040:4040 \ -h sparkmaster \ --name spark_mesos \ spark_mesos bash; ``` 请注意，在这里运行 **docker** 容器的 **sparkmaster** 主机名应该在 **/ etc / hosts** 中定义。 ### 3.Verify running Spark on Mesos ( 验证在Mesos上运行Spark ) 您可以通过以下命令简单地验证 **Spark** 和 **Mesos** 的进程在 **Docker** 中运行良好。 ``` ps -ef ``` 您还可以在 **http：// <hostname>：5050 / cluster** 和 **Spark on http：// <hostname>：8080 /** 上检查 **Mesos** 的每个应用程序 **Web UI** 。 ### 4.Configure Spark interpreter in Zeppelin ( 在Zeppelin中配置Spark解释器 ) ``` export MASTER=mesos://127.0.1.1:5050 export MESOS_NATIVE_JAVA_LIBRARY=[PATH OF libmesos.so] export SPARK_HOME=[PATH OF SPARK HOME] ``` 不要忘记将 **Spark master** 设置为 **mesos：//127.0.1.1：5050** 在 **Zeppelin Interpreters** 设置页面中，如下所示。  ### 5.Run Zeppelin with Spark interpreter ( 使用Spark解释器运行Zeppelin ) 在 **Zeppelin** 中使用 **Spark** 解释器运行一个段落后，浏览**http://<hostname>:5050/#/frameworks** ，并检查 **Zeppelin** 应用程序运行是否正常。  ### Troubleshooting for Spark on Mesos ( Spark在Mesos上的故障排除 ) * 如果 **hostname **有问题，请在执行 **dockerrun** 时使用 **--add-host** 选项 ``` ## use `--add-host=moby:127.0.0.1` option to resolve ## since docker container couldn't resolve `moby` : java.net.UnknownHostException: moby: moby: Name or service not known at java.net.InetAddress.getLocalHost(InetAddress.java:1496) at org.apache.spark.util.Utils$.findLocalInetAddress(Utils.scala:789) at org.apache.spark.util.Utils$.org$apache$spark$util$Utils$$localIpAddress$lzycompute(Utils.scala:782) at org.apache.spark.util.Utils$.org$apache$spark$util$Utils$$localIpAddress(Utils.scala:782) ``` * 如果您与 **mesos master** 有问题，请尝试使用 **mesos：//127.0.0.1** 而不是 **mesos：//127.0.1.1**  ``` I0103 20:17:22.329269 340 sched.cpp:330] New master detected at master@127.0.1.1:5050 I0103 20:17:22.330749 340 sched.cpp:341] No credentials provided. Attempting to register without authentication W0103 20:17:22.333531 340 sched.cpp:736] Ignoring framework registered message because it was sentfrom 'master@127.0.0.1:5050' instead of the leading master 'master@127.0.1.1:5050' W0103 20:17:24.040252 339 sched.cpp:736] Ignoring framework registered message because it was sentfrom 'master@127.0.0.1:5050' instead of the leading master 'master@127.0.1.1:5050' W0103 20:17:26.150250 339 sched.cpp:736] Ignoring framework registered message because it was sentfrom 'master@127.0.0.1:5050' instead of the leading master 'master@127.0.1.1:5050' W0103 20:17:26.737604 339 sched.cpp:736] Ignoring framework registered message because it was sentfrom 'master@127.0.0.1:5050' instead of the leading master 'master@127.0.1.1:5050' W0103 20:17:35.241714 336 sched.cpp:736] Ignoring framework registered message because it was sentfrom 'master@127.0.0.1:5050' instead of the leading master 'master@127.0.1.1:5050' ```