ddadmin
65d57ec6d6
- Зачем: - продемонстрировать возможность доступа нескольких движков к одной Iceberg-таблице через общий каталог. - Что: - создан notebooks/06_spark_and_trino_on_same_table.ipynb с примерами write (Spark) -> read (Trino). - в jupyter/Dockerfile добавлен клиент trino. - в START_HERE.md и docs/stack_reference.md добавлена инструкция по подключению DBeaver к Trino. - статус модуля 6 в планах обновлен до Ready for validation. - Проверка: - ручная проверка выполнения ячеек в ноутбуке (Python trino client). - проверка наличия всех инструкций в документации.
181 lines
6.4 KiB
Markdown
181 lines
6.4 KiB
Markdown
# Технический reference стенда
|
||
|
||
Этот документ описывает сам стенд как runtime-среду: сервисы, порты, доступ, основные команды и smoke-тесты.
|
||
|
||
Если нужен первый student onboarding, используй [START_HERE.md](../START_HERE.md). Если нужна программа курса, используй [course_program.md](./course_program.md).
|
||
|
||
## Состав сервисов
|
||
|
||
| Сервис | Контейнер | Порт на хосте | Назначение |
|
||
| --- | --- | --- | --- |
|
||
| Spark master | `spark-master` | `7077`, `8080` | мастер Spark и его UI |
|
||
| Spark worker 1 | `spark-worker-1` | `8081` | первый worker Spark |
|
||
| Spark worker 2 | `spark-worker-2` | `8082` | второй worker Spark |
|
||
| Trino | `trino` | `8090` | SQL engine и Web UI |
|
||
| MinIO API | `minio` | `9000` | S3-compatible endpoint |
|
||
| MinIO Console | `minio` | `9001` | веб-консоль бакетов и объектов |
|
||
| PostgreSQL | `postgres-iceberg` | `5432` | JDBC-каталог Iceberg |
|
||
| JupyterLab | `jupyter` | `8888` | практические ноутбуки |
|
||
|
||
## Основные команды
|
||
|
||
Все команды выполняются из корня репозитория.
|
||
|
||
### Сборка и запуск
|
||
|
||
```bash
|
||
docker compose build
|
||
docker compose up -d
|
||
docker compose ps
|
||
```
|
||
|
||
### Логи
|
||
|
||
```bash
|
||
docker compose logs -f spark-master
|
||
docker compose logs -f trino
|
||
docker compose logs -f minio
|
||
docker compose logs -f jupyter
|
||
```
|
||
|
||
### Остановка и reset
|
||
|
||
```bash
|
||
docker compose down
|
||
docker compose down -v
|
||
```
|
||
|
||
`down -v` удаляет volumes и возвращает стенд в чистое состояние.
|
||
|
||
## Доступ к сервисам
|
||
|
||
### Spark
|
||
|
||
- Master UI: `http://localhost:8080`
|
||
- Worker UI: `http://localhost:8081` и `http://localhost:8082`
|
||
- Spark master endpoint внутри сети compose: `spark://spark-master:7077`
|
||
|
||
Пример запуска smoke-скрипта:
|
||
|
||
```bash
|
||
docker compose exec spark-master \
|
||
/opt/spark/bin/spark-submit /opt/src/spark/cluster_smoke.py
|
||
```
|
||
|
||
### Trino
|
||
|
||
- Web UI: `http://localhost:8090`
|
||
|
||
CLI внутри контейнера:
|
||
|
||
```bash
|
||
docker compose exec -it trino trino --catalog lakehouse
|
||
```
|
||
|
||
Примеры первых команд:
|
||
|
||
```sql
|
||
SHOW CATALOGS;
|
||
SHOW SCHEMAS FROM lakehouse;
|
||
SHOW TABLES FROM lakehouse.default;
|
||
```
|
||
|
||
**Подключение через DBeaver:**
|
||
- Host: `localhost`, Port: `8090`, Catalog: `lakehouse`, User: любая строка, Password: нет.
|
||
- Driver: Trino (встроен в DBeaver).
|
||
- Проверка: `SHOW SCHEMAS FROM lakehouse;`.
|
||
|
||
### MinIO
|
||
|
||
- S3 endpoint: `http://localhost:9000`
|
||
- Console: `http://localhost:9001`
|
||
- логин: `minioadmin`
|
||
- пароль: `minioadmin`
|
||
|
||
Бакет `lakehouse` обычно создаётся автоматически контейнером `minio-init`.
|
||
|
||
### PostgreSQL
|
||
|
||
Подключение с хоста:
|
||
|
||
```bash
|
||
psql -h localhost -p 5432 -U iceberg -d iceberg
|
||
```
|
||
|
||
Служебные таблицы JDBC-каталога создаёт `iceberg-catalog-init`.
|
||
|
||
Если нужен повторный запуск инициализации:
|
||
|
||
```bash
|
||
docker compose run --rm iceberg-catalog-init
|
||
```
|
||
|
||
### JupyterLab
|
||
|
||
- адрес: `http://localhost:8888`
|
||
- `./notebooks` смонтирован как `/opt/work`
|
||
- `./src` смонтирован read-only как `/opt/src`
|
||
- `./data` смонтирован read-only как `/opt/data`
|
||
- `PYTHONPATH=/opt/src`
|
||
|
||
Первый ноутбук курса: `notebooks/01_environment_and_smoke_test.ipynb`.
|
||
|
||
Для Модуля 3 локально скачанный data bundle должен лежать на хосте в `./data/nyc_taxi` и будет доступен внутри Jupyter по пути `/opt/data/nyc_taxi`.
|
||
|
||
## Как связаны Spark, Trino, PostgreSQL и MinIO
|
||
|
||
- `Spark` использует каталог `lakehouse` через `JdbcCatalog`.
|
||
- `Trino` использует тот же каталог `lakehouse` через `iceberg.jdbc-catalog`.
|
||
- метаданные таблиц лежат в `PostgreSQL`;
|
||
- данные и metadata-файлы Iceberg лежат в `MinIO` в бакете `lakehouse`.
|
||
|
||
Именно поэтому таблица, созданная в `Spark`, может читаться в `Trino` без копирования данных.
|
||
|
||
## Где лежат ключевые конфиги
|
||
|
||
| Файл | Что задаёт |
|
||
| --- | --- |
|
||
| `docker-compose.yml` | состав сервисов, порты, volumes, init-контейнеры |
|
||
| `spark/spark-defaults.conf` | Spark catalog `lakehouse`, `s3a`, Iceberg extensions |
|
||
| `trino/catalog/lakehouse.properties` | каталог Trino `lakehouse`, JDBC и S3-доступ |
|
||
| `spark/Dockerfile` | образ Spark с Iceberg, S3A и Python-зависимостями |
|
||
| `jupyter/Dockerfile` | образ JupyterLab на базе Spark |
|
||
|
||
## Smoke-тесты
|
||
|
||
### 1. Проверка, что Spark-кластер жив
|
||
|
||
```bash
|
||
docker compose exec spark-master \
|
||
/opt/spark/bin/spark-submit /opt/src/spark/cluster_smoke.py
|
||
```
|
||
|
||
### 2. Проверка Spark -> Trino через общий каталог
|
||
|
||
```bash
|
||
docker compose cp src/spark/iceberg_smoke.py spark-master:/tmp/
|
||
docker compose cp src/trino/iceberg_smoke.sql trino:/tmp/
|
||
docker compose exec spark-master /opt/spark/bin/spark-submit /tmp/iceberg_smoke.py
|
||
docker compose exec trino trino --file /tmp/iceberg_smoke.sql
|
||
```
|
||
|
||
Ожидаемый результат:
|
||
|
||
- в Spark создаётся `lakehouse.default.spark_trino_smoke`;
|
||
- в Trino видна та же таблица;
|
||
- выборка возвращает строку `1, from_spark`.
|
||
|
||
Опциональная очистка:
|
||
|
||
```bash
|
||
docker compose exec spark-master \
|
||
/opt/spark/bin/spark-sql -e "DROP TABLE IF EXISTS lakehouse.default.spark_trino_smoke"
|
||
```
|
||
|
||
## Когда какой документ использовать
|
||
|
||
- `README.md` — чтобы понять, что это за репозиторий и куда идти дальше.
|
||
- `START_HERE.md` — чтобы впервые поднять стенд и пройти Модуль 1.
|
||
- `stack_reference.md` — чтобы быстро вспомнить порты, команды, точки доступа и smoke-тесты.
|
||
- `course_program.md` — чтобы понять учебную траекторию дальше первого модуля.
|