spark要配合Hadoop的hdfs使用，然而Hadoop的特點就是分布式，在一臺主機上搭建集群有點困難，百度后發現可以使用docker構建搭建，于是開搞：

github項目：https://github.com/kiwenlau/hadoop-cluster-docker

參考文章：https://www.jb51.net/article/109698.htm

docker安裝

文章中安裝的是docker.io

但是我推薦安裝docker-ce，docker.io版本太老了,步驟如下：

1、國際慣例更新下APT軟件包的源 

sudo apt-get update

2、安裝軟件包以允許apt通過HTTPS使用存儲庫

sudo apt-get install \

apt-transport-https \

ca-certificates \

curl \

software-properties-common

3、因為被墻使用教育網鏡像：

4、同樣

sudo add-apt-repository \

"deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu \

$(lsb_release -cs) \

stable"

5、更新下我們的軟件源 

sudo apt-get update

 6、安裝docker 

sudo apt-get install docker-ce

 7、啟動docker服務

sudo service docker start 

or 

sudo systemctl start docker

 8、覺得有必要可以設置開機自帶啟動 

sudo systemctl enable docker

 9、關閉自啟動 

sudo systemctl disable docker

 10、國內訪問docker會受限制，可以使用加速服務，阿里云、網易云、DaoCloud

11、運行 docker run hello-world 測試是否安裝成功

12、想要安裝其他image 可以到docker hub上找

https://hub.docker.com/

或是直接在github上搜索相應docker

搭建Hadoop集群

搭建過程很簡單
https://github.com/kiwenlau/hadoop-cluster-docker

上步驟說明很詳細：

1、pull鏡像，速度慢的換國內鏡像源 

sudo docker pull kiwenlau/hadoop:1.0

 200多m不算大，我下過jupyter官方pyspark的docker 5g…

2、克隆項目到本地 

git clone https://github.com/kiwenlau/hadoop-cluster-docker

 其實只用到里面的 start-container.sh 文件也可以單獨下，復制粘貼啥的

3、start-container.sh 需要修改一下 cd 到文件目錄

sudo gedit start-container.sh 修改如下

開放9000端口還有創建共享文件夾方便以后使用

4、保存之后，創建docker-Hadoop網絡 

sudo docker network create --driver=bridge hadoop

5、開啟容器 

sudo ./start-container.sh

6、開啟Hadoop集群 

./start-hadoop.sh

7、測試一下Hadoop，在hdfs上創建 test/input 目錄

hadoop fs -mkdir -p /test/input
hadoop fs -ls /test

8、運行word-count程序

./run-wordcount.sh 

結果如下

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。