使用MapR，Mesos，Marathon，Docker和Apache Spark部署和运行您的第一个作业和容器

这篇博客文章介绍了在MapR集群上部署Mesos，Marathon，Docker和Spark的步骤，并使用此部署运行各种作业以及Docker容器。

这是我们将要使用的组件：

• Mesos：一个开源集群管理器。
• 马拉松：集群范围内的初始化和控制系统。
• Spark：开源集群计算框架。
• Docker：自动在软件容器内部署应用程序。
• MapR融合数据平台：将Hadoop和Spark与实时数据库功能，全局事件流和可伸缩企业存储相集成，以支持新一代大数据应用程序。

假设条件

本教程假定您已经启动了MapR 5.1.0集群并正在运行。 为了进行测试，可以将其安装在单节点环境中。 但是，在此示例中，我们将在3节点的MapR集群上部署Mesos，例如：

• Mesos主站：MAPRNODE01
• 中观奴隶：MAPRNODE02，MAPRNODE03

让我们开始吧！

先决条件

# Make sure Java 8 is installed on all the nodes in the cluster
java -version 

# If Java 8 is not yet installed, install it and validate
yum install -y java-1.8.0-openjdk
java -version

# Set JAVA_HOME to Java 8 on all the nodes
echo $JAVA_HOME

# If JAVA_HOME isn't pointing towards Java 8, fix it and test again
# Please make sure that: /usr/lib/jvm/java-1.8.0-* is matching your java 8 version
vi /etc/profile
export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-1.8.0.65-2.b17.el7_1.x86_64/jre

# Load and validate the newly set JAVA_HOME
source /etc/profile
echo $JAVA_HOME

现在，您已经设置了正确的Java版本。 让我们继续安装Mesos存储库，以便我们可以从中检索二进制文件。

安装Mesos存储库

请确保安装与您的CentOS版本匹配的正确的Mesos存储库。

# Validate your CentOS version
cat /etc/centos-release

# for CentOS 6.x
rpm -Uvh http://repos.mesosphere.com/el/6/noarch/RPMS/mesosphere-el-repo-6-2.noarch.rpm

# for CentOS 7.x
rpm -Uvh http://repos.mesosphere.com/el/7/noarch/RPMS/mesosphere-el-repo-7-1.noarch.rpm

现在我们已经安装了Mesos存储库，是时候开始安装Mesos和Marathon了。

安装Mesos和马拉松

# On the node(s) that will be running the Mesos Master (e.g., MAPRNODE01):
yum install mapr-mesos-master mapr-mesos-marathon

# On the nodes that will be running the Mesos Slave (e.g., MAPRNODE02, MAPRNODE03):
yum install mapr-mesos-slave

# Run on all nodes to make the MapR cluster is aware of the new services
/opt/mapr/server/configure.sh -R

# Validate the Mesos Web UI to see the master and slave http://MAPRNODE01:5050

从外壳启动Mesos作业

# Launch a simple Mesos job from the terminal by executing:
MASTER=$(mesos-resolve `cat /etc/mesos/zk`)
mesos-execute --master=$MASTER --name="cluster-test" --command="sleep 5"

除了控制台输出之外，该控制台输出将显示正在创建的任务并将状态更改为TASK_RUNNING，然后变为TASK_FINISHED，您还应该在Mesos控制台UI的框架页面上看到一个新终止的框架： http：// MAPRNODE01：5050

使用Marathon启动Mesos作业

通过将浏览器指向http：// MAPRNODE01：8080打开Marathon，然后单击“创建应用程序”

# Create a simple app to echo out 'hello' to a file.
ID: cluster-marathon-test
CPU's: 0.1
Memory: 32
Disk space: 0
Instances: 1
Command: echo "hello" >> /tmp/output.txt
# Click "Create Application"

检查Marathon控制台（ http：// localhost：8080 ）以查看正在部署和启动的作业：

也：

# Check the job output to see "hello" being written constantly
tail -f /tmp/output.txt

通过将浏览器指向http：// localhost：5050来检查Mesos中的活动任务

最后，通过打开Marathon控制台（ http：// MAPRNODE01：8080 ）破坏应用程序，单击“ cluster-marathon-test”应用程序，然后从配置下拉列表中选择“ destroy”：

在Mesos上启动Docker容器

现在我们已经运行了Mesos，可以轻松地大规模运行Docker容器。 只需在运行Mesos Slave的所有节点上安装Docker，然后开始启动这些容器：

在所有Mesos Slave节点上安装docker

# Download and install Docker on all Mesos Slave nodes
curl -fsSL https://get.docker.com/ | sh

# Start Docker
service docker start
chkconfig docker on

# Configure Mesos Slaves to allow docker containers
# On all mesos slaves, execute:
echo 'docker,mesos' > /etc/mesos-slave/containerizers
echo '5mins' > /etc/mesos-slave/executor_registration_timeout

# Restart the mesos-slave service on all nodes using the MapR MCS

现在我们已经安装了Docker，我们将使用Marathon启动一个简单的Docker容器，该容器是本示例的Httpd Web服务器容器。

# Create a JSON file with the Docker image details to be launched on Mesos using Marathon
vi /tmp/docker.json

# Add the following to the json file:
{
  "id": "httpd",
  "cpus": 0.2,
  "mem": 32,
  "disk": 0,
  "instances": 1,
  "constraints": [
    [
      "hostname",
      "UNIQUE",
      ""
    ]
  ],
  "container": {
    "type": "DOCKER",
    "docker": {
      "image": "httpd",
      "network": "BRIDGE",
      "portMappings": [
        {
          "containerPort": 80,
          "protocol": "tcp",
          "name": "http"
        }
      ]
    }
  }
}

# Submit the docker container using the created docker.json file to Marathon from the terminal
curl -X POST -H "Content-Type: application/json" http://MAPRNODE01:8080/v2/apps -d@/tmp/docker.json

指向浏览器以打开Marathon（ http：// localhost：8080 ）并找到httpd Docker容器：

在ID字段下，Marathon将公开指向Docker容器的超链接（请注意，端口将有所不同，因为它将动态生成）。 单击它，您将连接到httpd容器：

您现在已经使用Marathon在Mesos上成功启动了Docker容器。 您可以使用相同的方法在Mesos基础架构上启动任何种类的Docker容器。 此外，您可以使用MapR独特的NFS功能将Docker容器连接到MapR Converged Data Platform上的任何数据，而不必担心将在哪个物理节点上启动Docker容器。此外，如果要将您的Docker容器安全地连接到MapR-FS，强烈建议使用MapR POSIX客户端。 我在下面的社区帖子中描述了如何实现这一目标：

• 使用MapR POSIX客户端将Docker容器安全地连接到MapR-FS

能够在我们的Mesos集群上启动Docker容器，让我们继续在同一基础架构上启动Spark Jobs。

在Mesos上安装并启动Spark作业

# Install Spark on the MapR node (or nodes) from which you want to submit jobs
yum install -y mapr-spark-1.6.1*

# Create the Spark Historyserver folder on the cluster
hadoop fs -mkdir /apps/spark
hadoop fs -chmod 777 /apps/spark

# Tell the cluster that new packages have been installed
/opt/mapr/server/configure.sh -R

# Download Spark 1.6.1 - Pre-built for Hadoop 2.6
wget http://d3kbcqa49mib13.cloudfront.net/spark-1.6.1-bin-hadoop2.6.tgz

# Deploy Spark 1.6.1 on the MapR File System so Mesos can reach it from every MapR node
hadoop fs -put spark-1.6.1-bin-hadoop2.6.tgz /

# Set Spark to use Mesos as the execution framework
vi /opt/mapr/spark/spark-1.6.1/conf/spark-env.sh

# Set the following parameters, and make sure the libmesos version matches your installed version of Mesos
export MESOS_NATIVE_JAVA_LIBRARY=/usr/local/lib/libmesos-0.28.2.so
export SPARK_EXECUTOR_URI=hdfs:///spark-1.6.1-bin-hadoop2.6.tgz

启动一个简单的spark-shell命令以在Mesos上测试Spark：

# Launch the Spark shell job using Mesos as the execution framework
/opt/mapr/spark/spark-1.6.1/bin/spark-shell --master mesos://zk://MAPRNODE01:5181/mesos

# You should now see the Spark shell as an active framework in the Mesos UI
# Execute a simple Spark job using Mesos as the execution framework
val data = 1 to 100
sc.parallelize(data).sum()

使用spark-submit将Spark作业提交给Mesos：

# Run a Spark Submit example to test Spark on Mesos and MapR
/opt/mapr/spark/spark-1.6.1/bin/spark-submit \
--name SparkPiTestApp \
--master mesos://MAPRNODE01:5050 \
--driver-memory 1G \
--executor-memory 2G \
--total-executor-cores 4 \
--class org.apache.spark.examples.SparkPi \
/opt/mapr/spark/spark-1.6.1/lib/spark-examples-1.6.1-mapr-1605-hadoop2.7.0-mapr-1602.jar 10

故障排除

考虑到涉及的组件数量，对Mesos，Marathon，Spark和Docker等各种组件进行故障排除以发现潜在问题可能会有些挑战。 以下是五个故障排除提示：

# 1. Marathon port number 8080
This port number might conflict with the Spark Master as this runs on the same port.

# 2. Log information
The Mesos Master and Slave nodes write their log information into on the respective nodes:
/var/log/mesos/

# 3. Marathon as well as some generic Mesos Master and Slave logging ends up in /var/log/messages
tail -f /var/log/messages

# 4. Enable extra console logging by executing the following export prior to running spark-submit on Mesos
export GLOG_v=1

# 5. Failed to recover the log: IO error
This error message may occur if you previously ran Mesos as the root user and are
now trying to run it as non-root users (for example, the mapr user).
# Full error message in /var/log/messages:
# Failed to recover the log: IO error /var/lib/mesos/replicated_log/LOCK: Permission denied
chown -R mapr:mapr /var/lib/mesos/replicated_log/

结论

在此博客文章中，您学习了如何在MapR融合数据平台之上部署Mesos，Marathon，Docker和Spark。 您还使用Shell提交了各种作业，并启动了Spark作业以及Docker容器。

如果您要将Docker容器安全地连接到MapR融合数据平台，请在此处阅读我的社区文章：

• 使用MapR POSIX客户端将Docker容器安全地连接到MapR-FS

如果您有任何反馈或疑问，请在下面的评论部分中发布。

翻译自: https://www.javacodegeeks.com/2016/06/using-mapr-mesos-marathon-docker-apache-spark-deploy-run-first-jobs-containers.html