mini-lakehouse-lab/notebooks/01_environment_and_smoke_test.ipynb

Модуль 1. Вход в стенд и базовая диагностика

Этот ноутбук является канонической практикой Модуля 1.

На выходе ты должен:

• понимать, что стенд уже поднят на хосте;
• подключиться к Spark-кластеру из Jupyter;
• выполнить базовый smoke test;
• сопоставить сервисы стенда с их ролями;
• знать первый маршрут диагностики через docker compose ps, логи и UI.

Перед стартом

Перед запуском этого ноутбука пройди шаги из START_HERE.md.

Важно: docker compose build, docker compose up -d, docker compose ps и просмотр логов выполняются на хосте, а не внутри Jupyter.

Ожидаемое состояние перед началом:

• контейнеры spark-master, spark-worker-1, spark-worker-2, minio, postgres-iceberg, trino, jupyter уже подняты;
• открываются Spark UI, Trino UI, MinIO Console и JupyterLab;
• ты работаешь в Jupyter внутри контейнера jupyter.

Карта сервисов

Сервис	Роль
MinIO	storage: объектное хранилище для данных и файлов Iceberg
PostgreSQL	catalog: хранит метаданные JDBC-каталога Iceberg
Spark	compute: выполняет PySpark и Spark SQL
Trino	compute: читает те же таблицы через общий каталог
Jupyter	Точка входа в учебные ноутбуки

В этом модуле мы не строим пайплайн и не создаём Iceberg-таблицы. Задача только одна: убедиться, что среда рабочая и понятная.

In [ ]:

from spark.cluster_smoke import (
    create_spark_session,
    format_smoke_report,
    run_cluster_smoke,
)

spark = create_spark_session(app_name="module-01-environment-and-smoke-test")
spark

Демонстрация: подключение к кластеру

Сначала посмотрим на базовые признаки того, что ноутбук говорит именно с кластером, а не с локальным local[*] режимом.

In [ ]:

connection_details = {
    "app_name": spark.sparkContext.appName,
    "master_url": spark.sparkContext.master,
    "default_parallelism": spark.sparkContext.defaultParallelism,
    "spark_version": spark.version,
}
connection_details

Проверь глазами:

• master_url должен быть spark://spark-master:7077, а не local[*];
• default_parallelism должен быть больше 1;
• в Spark UI должны быть видны master и worker-ы.

Демонстрация: Spark smoke test

Smoke test запускает распределённое вычисление на range(0, 1_000_000) и сверяет детерминированный результат.

Если тест проходит, это означает минимум следующее:

• Jupyter может создать SparkSession;
• Spark подключён к кластерному master;
• задание действительно выполняется, а не падает на первом действии.

In [ ]:

smoke_report = run_cluster_smoke(spark)
print(format_smoke_report(smoke_report))
smoke_report

Самостоятельное повторение

Сделай руками и проверь себя:

1. Открой Spark UI, Trino UI, MinIO Console и JupyterLab.
2. Сопоставь каждый сервис с одной из ролей: storage, catalog, compute, entrypoint.
3. Объясни, почему этот smoke test не должен работать в local[*] режиме.
4. На хосте выполни docker compose ps и посмотри, какие контейнеры должны быть в состоянии Up.
5. На хосте выполни docker compose logs -f trino или docker compose logs -f spark-master, чтобы посмотреть, где начинается первичная диагностика.

In [ ]:

service_roles = {
    # Заполни значения самостоятельно: storage, catalog, compute или entrypoint.
    "MinIO": "TODO",
    "PostgreSQL": "TODO",
    "Spark": "TODO",
    "Trino": "TODO",
    "Jupyter": "TODO",
}
service_roles

Checkpoint

К концу модуля ты должен уметь подтвердить:

• стенд поднят и основные контейнеры живы;
• Spark UI, MinIO Console, Trino UI и JupyterLab открываются;
• smoke test завершился успешно и вернул ожидаемый результат;
• ты понимаешь назначение MinIO, PostgreSQL, Spark, Trino, Jupyter;
• ты знаешь, что первый маршрут диагностики начинается с docker compose ps, docker compose logs -f <service> и проверки UI.

In [ ]:

spark.stop()