Spark standalone on Kubernetes

该项目是基于 Spark standalone 模式,对资源的分配调度还有作业状态查询的功能实在有限,对于让 spark 使用真正原生的 kubernetes 资源调度推荐大家尝试 https://github.com/apache-spark-on-k8s/

代码和使用文档见Github地址:https://github.com/rootsongjc/spark-on-kubernetes

本文中用到的 yaml 文件可以在 manifests/spark-standalone 目录下找到,也可以在上面的 https://github.com/rootsongjc/spark-on-kubernetes/ 项目的 manifests 目录下找到。

在Kubernetes上启动spark

创建名为spark-cluster的namespace,所有操作都在该namespace中进行。

所有yaml文件都在manifests目录下。

$ kubectl create -f manifests/

将会启动一个拥有三个worker的spark集群和zeppelin。

同时在该namespace中增加ingress配置,将spark的UI和zeppelin页面都暴露出来,可以在集群外部访问。

该ingress后端使用traefik。

访问spark

通过上面对ingress的配置暴露服务,需要修改本机的/etc/hosts文件,增加以下配置,使其能够解析到上述service。

172.20.0.119 zeppelin.traefik.io
172.20.0.119 spark.traefik.io

172.20.0.119是我设置的VIP地址,VIP的设置和traefik的配置请查看kubernetes-handbook

spark ui

访问 http://spark.traefik.io

spark master ui

zeppelin ui

访问 http://zepellin.treafik.io

zeppelin ui