Použití poznámkových bloků Apache Zeppelin s clusterem Apache Spark ve službě Azure HDInsight

Clustery HDInsight Spark zahrnují Apache Zeppelin notebooky. Pomocí poznámkových bloků můžete spouštět úlohy Apache Sparku. V tomto článku se dozvíte, jak používat poznámkový blok Zeppelin v clusteru HDInsight.

Požadavky

Cluster Apache Spark ve službě HDInsight. Pokyny najdete v tématu Vytváření clusterů Apache Spark ve službě Azure HDInsight.
Schéma identifikátoru URI pro primární úložiště clusterů. Schéma by bylo wasb:// pro Azure Blob Storage, abfs:// pro Azure Data Lake Storage Gen2 nebo adl:// Pro Azure Data Lake Storage Gen1. Pokud je pro Blob Storage povolený zabezpečený přenos, identifikátor URI by byl wasbs://. Další informace najdete v tématu Vyžadování zabezpečeného přenosu ve službě Azure Storage .

Spuštění poznámkového bloku Apache Zeppelin

Z přehledu clusteru Spark vyberte poznámkový blok Zeppelin z řídicích panelů clusteru. Zadejte přihlašovací údaje správce clusteru.

Poznámka:

K poznámkovému bloku Zeppelin pro váš cluster se také můžete dostat tak, že v prohlížeči otevřete následující adresu URL. Nahraďte CLUSTERNAME názvem clusteru:

https://CLUSTERNAME.azurehdinsight.net/zeppelin
Vytvořte nový poznámkový blok. V podokně záhlaví přejděte do poznámkového bloku>Vytvořit novou poznámku.

Zadejte název poznámkového bloku a pak vyberte Vytvořit poznámku.
Ujistěte se, že záhlaví poznámkového bloku zobrazuje stav připojení. Označuje se zelenou tečkou v pravém horním rohu.
Načtěte vzorová data do dočasné tabulky. Při vytváření clusteru Spark v HDInsight se ukázkový datový soubor hvac.csvzkopíruje do přidruženého účtu úložiště v části \HdiSamples\SensorSampleData\hvac.

Do prázdného odstavce vytvořeného ve výchozím nastavení v novém poznámkovém bloku vložte následující fragment kódu.
```
%livy2.spark
//The above magic instructs Zeppelin to use the Livy Scala interpreter

// Create an RDD using the default Spark context, sc
val hvacText = sc.textFile("wasbs:///HdiSamples/HdiSamples/SensorSampleData/hvac/HVAC.csv")

// Define a schema
case class Hvac(date: String, time: String, targettemp: Integer, actualtemp: Integer, buildingID: String)

// Map the values in the .csv file to the schema
val hvac = hvacText.map(s => s.split(",")).filter(s => s(0) != "Date").map(
    s => Hvac(s(0),
            s(1),
            s(2).toInt,
            s(3).toInt,
            s(6)
    )
).toDF()

// Register as a temporary table called "hvac"
hvac.registerTempTable("hvac")
```
Stiskněte SHIFT+ENTER nebo vyberte tlačítko Přehrát pro odstavec a spusťte fragment kódu. Stav v pravém rohu odstavce by měl postupovat od READY, PENDING, RUNNING až po FINISHED. Výstup se zobrazí v dolní části stejného odstavce. Snímek obrazovky vypadá jako na následujícím obrázku:

Můžete také zadat název každého odstavce. V pravém rohu odstavce vyberte ikonu Nastavení (závorka) a pak vyberte Zobrazit název.

Poznámka:

Překladač %spark2 se v poznámkových blocích Zeppelinu nepodporuje ve všech verzích HDInsight a překladač %sh se nepodporuje od HDInsight 4.0 dál.
Na tabulce hvac můžete teď spouštět příkazy Spark SQL. Do nového odstavce vložte následující dotaz. Dotaz načte ID budovy. Rozdíl mezi cílovým a skutečnými teplotami pro každou budovu v daném datu. Stiskněte SHIFT+ENTER.
```
%sql
select buildingID, (targettemp - actualtemp) as temp_diff, date from hvac where date = "6/1/13"
```
Příkaz %sql na začátku říká poznámkovému bloku, aby používal interpret Livy Scala.
Výběrem ikony pruhového grafu změňte zobrazení. po výběru pruhového grafu se zobrazí nastavení, které vám umožní zvolit klíče a hodnoty. Následující snímek obrazovky ukazuje výstup.
Příkazy Spark SQL můžete také spouštět pomocí proměnných v dotazu. Další fragment kódu ukazuje, jak definovat proměnnou , v dotazu s možnými hodnotami, Tempse kterými se chcete dotazovat. Při prvním spuštění dotazu se automaticky vyplní rozevírací seznam hodnotami, které jste zadali pro proměnnou.
```
%sql  
select buildingID, date, targettemp, (targettemp - actualtemp) as temp_diff from hvac where targettemp > "${Temp = 65,65|75|85}"
```
Vložte tento fragment kódu do nového odstavce a stiskněte SHIFT+ENTER. Vyberte 65 z rozevíracího seznamu Temp.
Výběrem ikony pruhového grafu změňte zobrazení. Pak vyberte nastavení a proveďte následující změny:
- Skupiny: Přidejte targettemp.
- Hodnoty: 1. Odebrat datum. 2. Přidejte temp_diff. 3. Změňte agregátor ze sumy na AVG.
  
  Následující snímek obrazovky ukazuje výstup.

Jak mohu používat externí balíčky s poznámkovým blokem?

Poznámkový blok Zeppelin v clusteru Apache Spark ve službě HDInsight může používat externí balíčky přispěné komunitou, které nejsou součástí clusteru. V úložišti Maven vyhledejte úplný seznam dostupných balíčků. Můžete také získat seznam dostupných balíčků z jiných zdrojů. Například úplný seznam balíčků přispěných komunitou je k dispozici ve Spark Packages.

V tomto článku se dozvíte, jak používat balíček spark-csv s poznámkovým blokem Jupyter.

Otevřete nastavení interpreta. V pravém horním rohu vyberte přihlášené uživatelské jméno a pak vyberte Interpret.
Přejděte na livy2 a vyberte upravit.
Přejděte na klíč livy.spark.jars.packagesa nastavte jeho hodnotu ve formátu group:id:version. Pokud tedy chcete použít balíček spark-csv , musíte nastavit hodnotu klíče na com.databricks:spark-csv_2.10:1.4.0.

Výběrem možnosti Uložit a pak OK restartujte interpret Livy.
Pokud chcete pochopit, jak získat hodnotu zadaného klíče, tady je postup.

a. Vyhledejte balíček v úložišti Maven. V tomto článku jsme použili spark-csv.

b. Z úložiště shromážděte hodnoty GroupId, ArtifactId a Version.

c. Zřetězení tří hodnot oddělených dvojtečkam (:).
```
com.databricks:spark-csv_2.10:1.4.0
```

Kde jsou uložené poznámkové bloky Zeppelin?

Poznámkové bloky Zeppelin uložené v hlavních uzlech clusteru. Pokud tedy cluster odstraníte, poznámkové bloky se odstraní i. Pokud chcete zachovat poznámkové bloky pro pozdější použití v jiných clusterech, musíte je po dokončení spuštění úloh exportovat. Pokud chcete exportovat poznámkový blok, vyberte ikonu Exportovat , jak je znázorněno na obrázku následujícím způsobem.

Stáhněte si poznámkový blok.

Tato akce uloží poznámkový blok jako soubor JSON do umístění pro stažení.

Poznámka:

V HDI 4.0 je cesta k adresáři poznámkového bloku Zeppelin /usr/hdp/<version>/zeppelin/notebook/<notebook_session_id>/

Např. /usr/hdp/4.1.17.10/zeppelin/2JMC9BZ8X/

Vzhledem k tomu, že tato cesta v HDI 5.0 je odlišná /usr/hdp/<version>/zeppelin/notebook/<Kernel_name>/

Např. /usr/hdp/5.1.4.5/zeppelin/notebook/Scala/
Uložený název souboru se liší v HDI 5.0. Uloží se jako <notebook_name>_<sessionid>.zpln

Např. testzeppelin_2JJK53XQA.zpln

V HDI 4.0 je název souboru pouze note.json uložen v adresáři session_id.

Např. /2JMC9BZ8X/note.json
HDI Zeppelin vždy ukládá poznámkový blok do cesty /usr/hdp/<version>/zeppelin/notebook/ na místním disku hn0.

Pokud chcete, aby byl poznámkový blok dostupný i po odstranění clusteru, můžete zkusit použít úložiště souborů Azure (pomocí protokolu SMB) a propojit ho s místní cestou. Další informace najdete v tématu Připojení sdílené složky Azure SMB v Linuxu.

Po jeho připojení můžete upravit konfiguraci zeppelin zeppelin.notebook.dir na připojenou cestu v uživatelském rozhraní Ambari.

Sdílení souborů SMB jako úložiště GitNotebookRepo se nedoporučuje pro verzi 0.10.1 aplikace Zeppelin.

Použijte `Shiro` pro konfiguraci přístupu k interpretům Zeppelin v clusterech balíčku Enterprise Security Package (ESP)

Jak je uvedeno výše, %sh interpret není podporován od verze HDInsight 4.0 dále. Navíc, jelikož %sh interpret zavádí potenciální problémy se zabezpečením, jako je přístup ke keytab souborům pomocí shellových příkazů, byl také odebrán z clusterů HDInsight 3.6 ESP. Znamená to, že %sh interpret není ve výchozím nastavení dostupný při kliknutí na Vytvořit novou poznámku nebo v uživatelském rozhraní interpreta.

Uživatelé privilegovaných domén můžou použít soubor Shiro.ini k řízení přístupu k uživatelskému rozhraní interpreta. Pouze tito uživatelé mohou vytvářet nové %sh interprety a nastavovat oprávnění pro každý nový %sh interpret. Pokud chcete řídit přístup pomocí shiro.ini souboru, postupujte takto:

Definujte novou roli pomocí existujícího názvu skupiny domén. V následujícím příkladu adminGroupName je skupina privilegovaných uživatelů v ID Microsoft Entra. V názvu skupiny nepoužívejte speciální znaky ani prázdné znaky. Znaky po = určují oprávnění pro tuto roli. * znamená, že skupina má úplná oprávnění.
```
[roles]
adminGroupName = *
```
Přidejte novou roli pro přístup k interpretům Zeppelinu. V následujícím příkladu mají všichni uživatelé adminGroupName přístup k interpretům Zeppelin a mohou vytvářet nové interprety. Mezi hranaté závorky můžete umístit několik rolí, oddělených čárkami, pomocí roles[]. Uživatelé, kteří mají potřebná oprávnění, pak mají přístup k interpretům Zeppelinu.
```
[urls]
/api/interpreter/** = authc, roles[adminGroupName]
```

Příklad shiro.ini pro více skupin domén:

[main]
anyofrolesuser = org.apache.zeppelin.utils.AnyOfRolesUserAuthorizationFilter

[roles]
group1 = *
group2 = *
group3 = *

[urls]
/api/interpreter/** = authc, anyofrolesuser[group1, group2, group3]

Správa relací Livy

První odstavec kódu v poznámkovém bloku Zeppelin vytvoří novou relaci Livy ve vašem clusteru. Tato relace se sdílí ve všech poznámkových blocích Zeppelin, které vytvoříte později. Pokud se relace Livy z nějakého důvodu ukončí, úlohy se nespustí z poznámkového bloku aplikace Zeppelin.

V takovém případě musíte před spuštěním úloh z poznámkového bloku Zeppelin provést následující kroky.

Restartujte interpret Livy z poznámkového bloku Zeppelin. Takto otevřete nastavení interpretu: v pravém horním rohu vyberte přihlášené uživatelské jméno a poté vyberte Interpret.
Přejděte na livy2, a pak vyberte možnost restartovat.
Spusťte buňku kódu z existujícího poznámkového bloku Zeppelin. Tento kód vytvoří novou relaci Livy v clusteru HDInsight.

Obecné informace

Ověření služby

Pokud chcete ověřit službu z Ambari, přejděte na https://CLUSTERNAME.azurehdinsight.net/#/main/services/ZEPPELIN/summary místo, kde clusterNAME je název vašeho clusteru.

Pokud chcete službu ověřit z příkazového řádku, připojte se přes SSH k hlavnímu uzlu. Přepněte uživatele na zeppelin pomocí příkazu sudo su zeppelin. Příkazy stavu:

Příkaz	Popis
`/usr/hdp/current/zeppelin-server/bin/zeppelin-daemon.sh status`	Stav služby.
`/usr/hdp/current/zeppelin-server/bin/zeppelin-daemon.sh --version`	Verze služby.
`ps -aux \| grep zeppelin`	Identifikujte PID

Umístění protokolu

Služba	Cesta
zeppelin-server	/usr/hdp/current/zeppelin-server/
Protokoly serveru	/var/log/zeppelin
Interpret konfigurace, `Shiro`site.xml, `log4j`	/usr/hdp/current/zeppelin-server/conf nebo /etc/zeppelin/conf
Adresář PID	/var/run/zeppelin

Povolení protokolování ladění

Přejděte na https://CLUSTERNAME.azurehdinsight.net/#/main/services/ZEPPELIN/summary, kde CLUSTERNAME je název vašeho clusteru.
Přejděte na >>log4j_properties_content.
Změnit log4j.appender.dailyfile.Threshold = INFO na log4j.appender.dailyfile.Threshold = DEBUG.
Přidat log4j.logger.org.apache.zeppelin.realm=DEBUG.
Uložte změny a restartujte službu.

Další kroky

Váš názor

Byla tato stránka užitečná?

Last updated on 2025-04-05