docker-compose搭建lakehouse

之前用k3s搭建了大數(shù)據(jù)環(huán)境双肤,但是發(fā)現(xiàn)不是特別方便钮惠,并且會反復修改,因此考慮到實驗的便捷性又用docker搭了一下開發(fā)環(huán)境蔑赘,所有的物料鏈接見https://github.com/henrywangx/dev-cluster

Dev cluster搭建

1.安裝

前提:docker和docker-compose已經(jīng)安裝

1.拉起容器

make up

2.到 minio中國下載 下載mc客戶端

3.添加dev集群到mc

mc config host add dev http://localhost:9000 minio minio123 --api s3v4

4.創(chuàng)建minio的accesskey/secret, 并保存到本地

minio-access-key.png

5.使用minio的access key信息更新.env文件

# AWS_REGION is used by Spark
AWS_REGION=us-east-1
# This must match if using minio
MINIO_REGION=us-east-1
# Used by pyIceberg
AWS_DEFAULT_REGION=us-east-1
# AWS Credentials (this can use minio credential, to be filled in later)
AWS_ACCESS_KEY_ID=qUgyOn1f3rbQkXAgCYLa
AWS_SECRET_ACCESS_KEY=MJA9lmnlESWEJZgmJ5Itdee94DUF16wSMfyhsIzT
# If using Minio, this should be the API address of Minio Server
AWS_S3_ENDPOINT=http://minio:9000
# Location where files will be written when creating new tables
WAREHOUSE=s3a://openlake/
# URI of Nessie Catalog
NESSIE_URI=http://nessie:19120/api/v1
GRANT_SUDO=yes

重新拉起容器

make up

2.數(shù)據(jù)準備

1.創(chuàng)建bucket openlake/spark/sample-data/

# 輸入bucket
mc mb dev/openlake/spark/sample-data/
# 輸出bucket
mc mb dev/openlake-tmp/spark/nyc/taxis_small

2.下載出租車數(shù)據(jù)拷貝到minio中

wget  https://data.cityofnewyork.us/api/views/t29m-gskq/rows.csv ./
mc cp rows.csv dev/openlake/spark/sample-data/

3.運行spark任務

1.網(wǎng)頁訪問jupyter地址: <localhost:8888>

2.運行spark-minio.py腳本

python3 spark-minio.py

3.查看spark管理頁面:<localhost:8080>和jupyter的4040端口<localhost:4040>,分別可以查看運行的application信息和job的詳情信息

application信息:


spark-ui.png

job詳情:


spark-job.png

4.等待python執(zhí)行完畢酥馍,查看結(jié)果阅酪,可以看到外面算出來超過6名乘客的taxi為898

jovyan@jupyter-lab:~$ python3 spark-minio.py 
Setting default log level to "WARN".
...
2024-01-28 07:55:20,121 - MinIOSparkJob - INFO - Total Rows for NYC Taxi Data: 91704300               
2024-01-28 07:55:20,121 - MinIOSparkJob - INFO - Total Rows for Passenger Count > 6: 898

4.使用pyspark-iceberg管理table

1.創(chuàng)建warehouse bucket

mc mb dev/warehouse

2.運行spark-iceberg-minio.py

python3 spark-iceberg-minio.py

5.配置dremio

1.登錄dremio頁面:<localhost:9047>术辐,創(chuàng)建s3的source
s3 source配置:


dremio-s3-general.png

s3 advanced配置:
s3配置這里加了以下配置:

  1. fs.s3a.path.style.access: true
  2. fs.s3a.endpoint: http://minio:9000
  3. dremio.s3.compat: true
  4. 勾選enable compatibility mode, 因為我們是minio
dremio-s3-advanced.png

2.format table為iceberg辉词,進入到nyc.taxis_large這個目錄,然后點擊format table的按鈕敷搪,保存為iceberg

dremio-s3-format.png

3.format為iceberg后,我們就能發(fā)現(xiàn)一個table襟企,選中table狮含,運行sql曼振,發(fā)現(xiàn)我們可以用sql來操作iceberg表了,哈哈

SELECT * FROM taxis_large limit 10
dremio-s3-sql.png

參考

https://www.cnblogs.com/rongfengliang/p/17970071
https://github.com/minio/openlake/tree/main
https://www.linkedin.com/pulse/creating-local-data-lakehouse-using-alex-merced/
https://medium.com/@ongxuanhong/dataops-02-spawn-up-apache-spark-infrastructure-by-using-docker-fec518698993
https://medium.com/@ongxuanhong/are-you-looking-for-a-powerful-way-to-streamline-your-data-analytics-pipeline-and-produce-cc13ea326790

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市甲雅,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌弛姜,老刑警劉巖妖枚,帶你破解...
    沈念sama閱讀 222,464評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異绝页,居然都是意外死亡续誉,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,033評論 3 399
  • 文/潘曉璐 我一進店門郊愧,熙熙樓的掌柜王于貴愁眉苦臉地迎上來井佑,“玉大人,你說我怎么就攤上這事焦蘑。” “怎么了例嘱?”我有些...
    開封第一講書人閱讀 169,078評論 0 362
  • 文/不壞的土叔 我叫張陵,是天一觀的道長奢浑。 經(jīng)常有香客問我腋腮,道長,這世上最難降的妖魔是什么即寡? 我笑而不...
    開封第一講書人閱讀 59,979評論 1 299
  • 正文 為了忘掉前任聪富,我火速辦了婚禮墩蔓,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘奸披。我一直安慰自己,他們只是感情好葡粒,可當我...
    茶點故事閱讀 69,001評論 6 398
  • 文/花漫 我一把揭開白布嗽交。 她就那樣靜靜地躺著颂斜,像睡著了一般。 火紅的嫁衣襯著肌膚如雪沃疮。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,584評論 1 312
  • 那天邑茄,我揣著相機與錄音肺缕,去河邊找鬼。 笑死同木,一個胖子當著我的面吹牛彤路,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播远豺,決...
    沈念sama閱讀 41,085評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼颊郎,長吁一口氣:“原來是場噩夢啊……” “哼霎苗!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起内狸,我...
    開封第一講書人閱讀 40,023評論 0 277
  • 序言:老撾萬榮一對情侶失蹤昆淡,失蹤者是張志新(化名)和其女友劉穎刽严,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體舞萄,經(jīng)...
    沈念sama閱讀 46,555評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡撑螺,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,626評論 3 342
  • 正文 我和宋清朗相戀三年崎弃,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片线婚。...
    茶點故事閱讀 40,769評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡塞弊,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出居砖,到底是詐尸還是另有隱情,我是刑警寧澤奏候,帶...
    沈念sama閱讀 36,439評論 5 351
  • 正文 年R本政府宣布蔗草,位于F島的核電站,受9級特大地震影響咒精,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜歇拆,卻給世界環(huán)境...
    茶點故事閱讀 42,115評論 3 335
  • 文/蒙蒙 一故觅、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧输吏,春花似錦贯溅、人聲如沸躲查。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,601評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽怎静。三九已至,卻和暖如春腌乡,著一層夾襖步出監(jiān)牢的瞬間夜牡,已是汗流浹背侣签。 一陣腳步聲響...
    開封第一講書人閱讀 33,702評論 1 274
  • 我被黑心中介騙來泰國打工影所, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留僚碎,地道東北人猴娩。 一個月前我還...
    沈念sama閱讀 49,191評論 3 378
  • 正文 我出身青樓卷中,卻偏偏與公主長得像蟆豫,于是被迫代替她去往敵國和親懒闷。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 45,781評論 2 361

推薦閱讀更多精彩內(nèi)容