这篇文章主要讲解了“基于Docker的大数据开发环境怎么实现”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“基于Docker的大数据开发环境怎么实现”吧！
大数据开发对运行环境和数据的依赖比较重，比如开发Spark应用，往往会依赖Hive，但本地开发环境是没有Hive的，所以需要在本地和服务器之间拷贝代码，效率不高，我认为用Docker在本地搭建一套单机的大数据集群，然后将代码拷贝到容器里进行测试，可以改善这种情况。我自己对这个思路做过探索，这个镜像安装了Hadoop、Hive、Spark等组件，基本可以满足需求，但是也有一些问题存在，比如有时需要对配置进行调整来保持和生产环境的一致性，虽然可以做，但工作量也不少。
其实，CDH和HDP都提供了类似的单机镜像，其中HDP中组件的版本比较新，并且和公司的技术栈一致，因此来探索一下，如果体验更好的话，以后就用它来进行相关的开发了。
安装Docker 17.09 或更新的版本
对于Windows和Mac，Docker需要配置10G以上的内存
可以在浏览器里访问https://www.cloudera.com/downloads/hortonworks-sandbox/hdp.html点击页面下载，也可以直接在命令行用wget下载：
$ wget --no-check-certificate https://archive.cloudera.com/hwx-sandbox/hdp/hdp-3.0.1/HDP_3.0.1_docker-deploy-scripts_18120587fc7fb.zip
解压并执行脚本：
$ unzip HDP_3.0.1_docker-deploy-scripts_18120587fc7fb.zip Archive: HDP_3.0.1_docker-deploy-scripts_18120587fc7fb.zip creating: assets/ inflating: assets/generate-proxy-deploy-script.sh inflating: assets/nginx.conf inflating: docker-deploy-hdp30.sh $ sh docker-deploy-hdp30.sh
执行后会开始拉取docker镜像，需要下载几十G的数据，需要耐心等待。
脚本执行完毕后，使用 docker ps可以看到启动了两个容器：
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES daf0f397ff6c hortonworks/sandbox-proxy:1.0 "nginx -g 'daemon of…" About an hour ago Up About an hour 0.0.0.0:1080->1080/tcp, ... b925f92f368d hortonworks/sandbox-hdp:3.0.1 "/usr/sbin/init" About an hour ago Up About an hour 22/tcp, 4200/tcp, 8080/tcp sandbox-hdp
其中 sandbox-proxy 这个容器先忽略，关注 sandbox-hdp 这个就可以，这时所有HDP的组件都已经启动了。
因为已经做了端口映射，如果要访问特定的UI，直接访问localhost对应的端口就可以，可以先访问 localhost:1080的Splash页面：
这里提供了向导，点击左边的Launch Dashboard可以打开Ambari登陆页面和HDP的Tutorial页面，点击右边的Quick Links会打开下一级向导，包含Ambari、Zeppelin、Atlas、Ranger等组件的跳转链接：
其中Ambari的登陆密码可以参考https://www.cloudera.com/tutorials/learning-the-ropes-of-the-hdp-sandbox.html这个页面获取，根据不同用途可以选择不同的用户：
| 用户 | 角色 | 密码 |
|---|---|---|
| admin | Ambari Admin | 使用ambari-admin-password-reset命令初始化获得 |
| maria_dev | Spark and SQL Developer | maria_dev |
| raj_ops | Hadoop Warehouse Operator | raj_ops |
| holger_gov | Data Steward | holger_gov |
| amy_ds | Data Scientist | amy_ds |
Web UI的情况读者可以自行一一验证，下面来验证一下底层的存储和计算情况。
命令行进入容器：
docker exec -it sandbox-hdp bash
简单的ls一下：
[root@sandbox-hdp /]# hdfs dfs -ls /Found 13 items drwxrwxrwt - yarn hadoop 0 2018-11-29 17:56 /app-logs drwxr-xr-x - hdfs hdfs 0 2018-11-29 19:01 /apps drwxr-xr-x - yarn hadoop 0 2018-11-29 17:25 /ats drwxr-xr-x - hdfs hdfs 0 2018-11-29 17:26 /atsv2 drwxr-xr-x - hdfs hdfs 0 2018-11-29 17:26 /hdp drwx------ - livy hdfs 0 2018-11-29 17:55 /livy2-recovery drwxr-xr-x - mapred hdfs 0 2018-11-29 17:26 /mapred drwxrwxrwx - mapred hadoop 0 2018-11-29 17:26 /mr-history drwxr-xr-x - hdfs hdfs 0 2018-11-29 18:54 /ranger drwxrwxrwx - spark hadoop 0 2021-02-06 07:19 /spark2-history drwxrwxrwx - hdfs hdfs 0 2018-11-29 19:01 /tmp drwxr-xr-x - hdfs hdfs 0 2018-11-29 19:21 /user drwxr-xr-x - hdfs hdfs 0 2018-11-29 17:51 /warehouse
Sandbox里已经内置了一些测试数据，select一下即可。
首先启动hive命令行：
[root@sandbox-hdp /]# hive
查看有哪些数据库：
0: jdbc:hive2://sandbox-hdp.hortonworks.com:2> show databases; +---------------------+ | database_name | +---------------------+ | default | | foodmart | | information_schema | | sys | +---------------------+
选择foodmart，再查看有哪些表：
0: jdbc:hive2://sandbox-hdp.hortonworks.com:2> use foodmart; 0: jdbc:hive2://sandbox-hdp.hortonworks.com:2> show tables; +--------------------------------+ | tab_name | +--------------------------------+ | account | | ... | +--------------------------------+
可以看到有很多表，我们就选择account这张表：
0: jdbc:hive2://sandbox-hdp.hortonworks.com:2> select * from account limit 1; +---------------------+-------------------------+------------------------------+-----------------------+-------------------------+-------------------------+ | account.account_id | account.account_parent | account.account_description | account.account_type | account.account_rollup | account.custom_members | +---------------------+-------------------------+------------------------------+-----------------------+-------------------------+-------------------------+ | 1000 | NULL | Assets | Asset | ~ | | +---------------------+-------------------------+------------------------------+-----------------------+-------------------------+-------------------------+
非常OK。
启动spark-sql后查询account表：
spark-sql> select * from foodmart.account limit 1; Error in query: Table or view not found: `foodmart`.`account`; line 1 pos 14;'GlobalLimit 1 +- 'LocalLimit 1 +- 'Project [*] +- 'UnresolvedRelation `foodmart`.`account`
奇怪
spark-sql> show databases; default
只有default库。
做了一些搜索，发现貌似在HDP 3.0之后，Spark访问Hive表发生了大的变化，Spark的验证还需要进一步研究。
使用docker stop命令即可：
docker stop sandbox-hdp docker stop sandbox-proxy
使用docker start命令即可：
docker start sandbox-hdp docker start sandbox-proxy
先stop再remove：
docker stop sandbox-hdp docker stop sandbox-proxy docker rm sandbox-hdp docker rm sandbox-proxy
如果要删除镜像的话：
docker rmi hortonworks/sandbox-hdp:3.0.1
感谢各位的阅读，以上就是“基于Docker的大数据开发环境怎么实现”的内容了，经过本文的学习后，相信大家对基于Docker的大数据开发环境怎么实现这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是亿速云，小编将为大家推送更多相关知识点的文章，欢迎关注！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
