如何在非安全的CDH集群中部署多用户JupyterHub服务并集成Spark2

1.文档编写目的

Fayson在前一篇文章《如何在非安全的CDH集群中部署Jupyter并集成Spark2》中介绍了Jupyter Notebook的部署与Spark2集成。Jupyter提供的类似单机版Web服务，不能供给多个用户使用，对于个人用户可以满足需求，对于企业用户则相对麻烦。本篇文章Fayson主要介绍如何使用JupyterHub部署支持多用户的Jupyter Notebook服务并与集群的Spark2集成。

JupyterHub服务实现架构图：

• 测试环境

1.CM5.15.0和CDH版本5.14.2

2.JupyterHub版本为0.9.2

3.Python版本为3.6.5

2.JupyterHub部署及配置

1.安装OS的依赖包

[root@cdh03 ~]# yum -y install npm nodejs-legacy

（可左右滑动）

2.在Python3中安装JupyterHub

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/pip install jupyterhub

（可左右滑动）

安装成功

3.使用nmp命令安装configurable-http-proxy服务

[root@cdh03 ~]# npm install -g configurable-http-proxy

（可左右滑动）

4.安装Notebook包

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/pip show notebook

（可左右滑动）

在Fayson的Python3环境中，默认已安装了Notebook。

5.测试JupyterHub及http代理是否安装成功

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/jupyterhub -h

（可左右滑动）

[root@cdh03 ~]# configurable-http-proxy -h

（可左右滑动）

6.生成JupyterHub配置文件，命令如下：

[root@cdh03 ~]# mkdir -p /etc/jupyterhub
[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/jupyterhub --generate-config -f /etc/jupyterhub/jupyterhub_config.py

（可左右滑动）

将Jupyterhub的配置文件生成到指定目录下（/etc/jupyterhub）。

7.修改jupyterhub_config.py配置文件，将配置修改为如下：

#Jupyterhub服务监听的ip与端口,在0.9之前版本通过c.JupyterHub.port和c.JupyterHub.ip来指定
c.JupyterHub.bind_url = 'http://:8000'
#指定jupyterhub-singleuser命令绝对路径
c.Spawner.cmd = ['/opt/cloudera/anaconda3/bin/jupyterhub-singleuser']
#指定Jupyterhub服务的管理员账号，该账号拥有管理权限
c.Authenticator.admin_users = {'admin'}

（可左右滑动）

8.启动Jupyterhub服务

[root@cdh03 jupyterhub]# /opt/cloudera/anaconda3/bin/jupyterhub –f /etc/jupyterhub/jupyterhub_config.py

（可左右滑动）

如上显示启动成功，在启动命令后添加--debug参数可以显示DEBUG日志,-f指定JupyterHub启动加载的配置文件。

9.在浏览器输入http://cdh03.fayson.com:8000访问JupyterHub服务

上图可以看到Jupyterhub的登录界面，这里Fayson设置了admin用户为管理员，但并为设置该用户的密码。JupyterHub服务的用户使用的是OS的用户，JupyterHub基于OS的PAM模块进行用户认证，所以需要为OS上的admin用户设置密码即可。

[root@cdh03 ~]# id admin
uid=1006(admin) gid=1006(admin) groups=1006(admin)
[root@cdh03 ~]# passwd admin
Changing password for user admin.
New password: 
BAD PASSWORD: The password is shorter than 8 characters
Retype new password: 
passwd: all authentication tokens updated successfully.
[root@cdh03 ~]# 

（可左右滑动）

接下来在登录界面输入admin/****登录即可，登录成功后显示如下界面

3.Spark2集成

Spark支持Sacla、Python、R语言，下面Fayson主要使用Apache Toree来实现Jupyter与CDH集群中的Spark2集成，通过Toree来生成集群Spark2的不同语言的内核。

1.通过如下命令查看Jupyter中默认支持的Kernel

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/jupyter kernelspec list

（可左右滑动）

上图可以看到默认Jupyter只有python3的kernel

2.在Python中安装toree包，执行命令如下：

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/pip install --upgrade toree

（可左右滑动）

安装的toree版本为0.2.0

3.使用toree安装Spark2 Scala语言的kernel，命令如下：

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/jupyter toree install --spark_home=/opt/cloudera/parcels/SPARK2/lib/spark2

（可左右滑动）

查看Jupyter的Kernel

上图显示多了一个apache_toree_scala的kernel

4.使用上一步命令默认的只安装了Spark Scala的Kernel，那pyspark、sparkr及SparkSQL的Kernel生成命令如下：

[root@cdh03 ~]# /opt/cloudera/anaconda3/bin/jupyter toree install --interpreters=PySpark,SparkR,SQL --spark_home=/opt/cloudera/parcels/SPARK2/lib/spark2

（可左右滑动）

查看Jupyter的Kernel

5.以上步骤就完成了Jupyterhub与Spark2的集成，重启Jupyterhub服务

4.JupyterHub使用

1.使用管理员账号登录JupyterHub，登录成功后默认的启动一个Jupyter Notebook

2.点击“New”新建一个Notebook，这里Fayson选择“Apache Toree- PySpark”

打开新的创建

3.运行PySpark测试代码，读取HDFS的/tmp/test.txt文件、统计行数并输出第一行内容

textFile = spark.read.text("/tmp/test.txt")
textFile.count()
textFile.first()

（可左右滑动）

运行成功结果显示如下：

4.查看CDH集群Yarn的8088界面作业

5.总结

1.JupyterHub与Jupyter的区别是支持了多用户访问，用于创建、管理、代理多个Jupyter Notebook示例。

2.JupyterHub与Spark2集成时同样使用Apache Toree实现，与Jupyter公用一套kernel配置

3.在部署Jupyter的节点，需要安装Spark的Gateway角色

4.由于JupyterHub是基于OS的PAM模块进行用户认证，所以我们的用户需要在OS上存在，如果需要使用OPenLDAP上的用户登录，则需要在JupyterHub服务所在服务器上安装OpenLDAP客户端使用SSSD服务同步用户并集成SSH登录，否则OPenLDAP的用户是无法登录JupyterHub。

具体可以参考Fayson前面的文章关于OpenLDAP的安装与SSH集群

《1.如何在RedHat7上安装OpenLDA并配置客户端》

《2.如何在RedHat7中实现OpenLDAP集成SSH登录并使用sssd同步用户》

关于集成SSH登录并使用SSSD同步用户，需要确保OpenLDAP服务支持TLS。

下面演示使用OpenLDAP用户登录JupyterHub，在OpenLDAP上添加一个testldap用户(添加用户步骤省略)

[root@cdh03 ~]# more /etc/passwd |grep testldap
[root@cdh03 ~]# id testldap
uid=1234(testldap) gid=1234(testldap) groups=1234(testldap)
[root@cdh03 ~]# su testldap
[testldap@cdh03 root]$ su testldap
Password: 
[testldap@cdh03 root]$ 

使用testldap用户登录JupyterHub

登录成功

关于JupyterHub更多功能及说明参考官网：

https://jupyterhub.readthedocs.io/en/0.9.0/index.html

https://github.com/jupyterhub/jupyterhub