BigDataParty

大数据组件 All-in-One 的 Dockerfile。

1. 基本信息

各个组件的版本信息如下（MySQL的 root 密码为 root）：

组件	版本
基础镜像	ubuntu:18.04
Hadoop	3.1.4
Spark	2.4.4
Hive (on Tez)	3.1.2
Tez	0.9.2
Hue	4.5.0
Flink	1.9.1
Zookeeper	3.5.6
Kafka	2.3.1
MySQL	5.7

2. 启动说明

镜像已经推送到Docker Hub，直接执行如下命令应当会开始拉取镜像：

docker run -it -p 8088:8088 -p 8888:8888 -h bigdata iamabug1128/bdp bash

或者 clone 本项目并执行 run-bdp.sh 脚本。

8088 是 YARN 的 Web UI 端口，8888 是 Hue 的端口。

主机名必须指定为 bigdata。

进入镜像后，启动所有组件的命令：

/run/entrypoint.sh

或者，单独启动 Kafka：

/run/start_kafka.sh

查看进程，确认所有进程都已经启动：

root@bigdata:/# jps
1796 ResourceManager
1316 DataNode
2661 RunJar
1205 NameNode
2662 RunJar
3719 Jps
1914 NodeManager
1530 SecondaryNameNode
523 QuorumPeerMain
543 Kafka

除了 Hue 安装在 /usr/share/hue 、MySQL 安装在系统路径以外，其它所有的组件的安装在 /usr/local/ 目录下：

root@bigdata:/# ls /usr/local/      
bin  etc  flink  games  hadoop  hive  include  kafka  lib  man  sbin  share  spark  src  tez  zookeeper

3. 使用示例

3.1 使用 Hue 上传文件到 HDFS

访问 localhost:8888 ，输入 admin, admin 登录 Hue，点击左侧 Files 导航按钮，出现文件浏览器页面：

点击右上角的 Upload 按钮，选择一个文件上传，上传后页面：

回到容器的命令行中，查看 /user/admin 目录：

说明上传确实成功了。

3.2 运行 Flink on Yarn 的 WordCount 例子

在命令行中切换到 /usr/local/flink 目录，执行 ./bin/flink run -m yarn-cluster -p 4 -yjm 1024m -ytm 4096m ./examples/batch/WordCount.jar：

在浏览器中打开 http://localhost:8088，可以看到正在执行的 Flink 任务：

任务顺利完成：

4. 构建说明

目录结构如下：

BigDataParty $ tree               
.
├── Dockerfile
├── README.md
├── build.sh
├── conf
├── packages
├── run-bdp.sh
└── scripts

除了 README 和 Dockerfile 各文件目录简介如下：

• build.sh：下载各组件的压缩包并执行 docker build
• run-bdp.sh：运行构建好的镜像，并暴露 Hue 和 Yarn 的 Web 端口
• conf：存放各个组件的配置文件，构建镜像时拷贝到各组件的目录下
• packages：存放各个组件的压缩包，构建镜像时解压到 /usr/local 目录下
• scripts：存放各个组件初始化和启动脚本，构建镜像时拷贝到 /run 目录下

5. 待续

写这个镜像的目的是为了方便自己平时使用（学习、测试、验证等等），以后还会继续完善，如果你有兴趣，欢迎加入我。