代码未动，环境先行
我是一个Docker爱好者。我在学习大数据相关技术的时候，想到了一个点子：
- 用docker搭建一个大数据开发环境！
这么做有什么好处呢 ？
我只要有了这个docker-compose.yml 容器编排描述文件，我就可以在任何一个安装docker 软件的机器里，启动我的大数据环境。
一劳永逸的事情，不正是我们程序员每天都在做并且是努力的目标吗？
如何做？
找遍了国内的博客和帖子，都没有合适的答案。
我只能自己来。
docker hub
首先我去到docker hub 。 这个就是 github的 docker 版本。
我在里面搜索了 很多 Hadoop ， spark 等等关键词，找到了一家公司；
这家公司 几乎把所有的 大数据组件都做成了 docker image 。 而且是细粒度，分角色 去划分的。真的太棒了。
比如 你现在看到的这个图片，就是 他针对于 Hadoop 中 namenode 这一角色做的docker image。如果你在其之上做一些封装和个性化定制将会变得特别容易。
于是我就从他的Registry 中找我想要的大数据组件
- Hadoop
- Hive
- Spark
easy , 全都找到了。
虚拟机
接线来我们就需要 在虚拟机中安装docker了。
什么 还需要虚拟机 ？
这里我说一下，安装一个虚拟机吧，windows 各种不方便。（mac 的朋友可以飘过）。
虚拟机我使用 virtual box ， 安装的 ubuntu 。
然后我就开始安装docker了。
安装了docker 还需要安装他的孪生兄弟，docker-compose
docker-compose.yml
docker-compose 让docker 容器的编排变得简单。
docker-compose.yml 记录了如何编排的过程。他是一个描述文件！
如下 是我大数据环境的docker-compose.yml 文件！
version: '2' services: namenode: image: bde2020/hadoop-namenode:1.1.0-hadoop2.8-java8 container_name: namenode volumes: - ./data/namenode:/hadoop/dfs/name environment: - CLUSTER_NAME=test env_file: - ./hadoop-hive.env ports: - 50070:50070 - 8020:8020 datanode: image: bde2020/hadoop-datanode:1.1.0-hadoop2.8-java8 depends_on: - namenode volumes: - ./data/datanode:/hadoop/dfs/data env_file: - ./hadoop-hive.env ports: - 50075:50075 hive-server: image: bde2020/hive:2.1.0-postgresql-metastore container_name: hive-server env_file: - ./hadoop-hive.env environment: - "HIVE_CORE_CONF_javax_jdo_option_ConnectionURL=jdbc:postgresql://hive-metastore/metastore" ports: - "10000:10000" hive-metastore: image: bde2020/hive:2.1.0-postgresql-metastore container_name: hive-metastore env_file: - ./hadoop-hive.env command: /opt/hive/bin/hive --service metastore ports: - 9083:9083 hive-metastore-postgresql: image: bde2020/hive-metastore-postgresql:2.1.0 ports: - 5432:5432 volumes: - ./data/postgresql/:/var/lib/postgresql/data spark-master: image: bde2020/spark-master:2.1.0-hadoop2.8-hive-java8 container_name: spark-master ports: - 8080:8080 - 7077:7077 env_file: - ./hadoop-hive.env spark-worker: image: bde2020/spark-worker:2.1.0-hadoop2.8-hive-java8 depends_on: - spark-master environment: - SPARK_MASTER=spark://spark-master:7077 ports: - "8081:8081" env_file: - ./hadoop-hive.env mysql-server: image: mysql:5.7 container_name: mysql-server ports: - "3306:3306" environment: - MYSQL_ROOT_PASSWORD=zhangyang517 volumes: - ./data/mysql:/var/lib/mysql elasticsearch: image: elasticsearch:6.5.3 environment: - discovery.type=single-node ports: - "9200:9200" - "9300:9300" networks: - es_network kibana: image: kibana:6.5.3 ports: - "5601:5601" networks: - es_networknetworks: es_network: external: true后来我需要用到 elasticsearch 和 kibana , 我就直接加上去了。真的非常方便。
最重要的是 他可以 轻松的 share 给你的小伙伴，好基友。
接下来我们需要写一个启动脚本，一个停止脚本。这样就能实现一键启停了。
run.sh
#!/bin/bashdocker-compose -f docker-compose.yml up -d namenode hive-metastore-postgresqldocker-compose -f docker-compose.yml up -d datanode hive-metastoresleep 5docker-compose -f docker-compose.yml up -d hive-serverdocker-compose -f docker-compose.yml up -d spark-master spark-workerdocker-compose -f docker-compose.yml up -d mysql-server#docker-compose -f docker-compose.yml up -d elasticsearch#docker-compose -f docker-compose.yml up -d kibanamy_ip=`ip route get 1|awk '{print $NF;exit}'`echo "Namenode: http://${my_ip}:50070"echo "Datanode: http://${my_ip}:50075"echo "Spark-master: http://${my_ip}:8080"stop.sh
#!/bin/bashdocker-compose stop来看下效果：
启动成功了。验证一下
