New Container: Spark Connect
维护者通常 1 天内回复
还没有人认领这个 Issue。
评估
- 难度
- 4/5
- 预计耗时
- 3-5 天
- 新手友好度
- 35/100
- Issue 类型
- 功能
- 描述清晰度
- 基本清楚
- 活跃度
- 停滞
- 技术栈
- docker, python, spark
调研方向
首先定位现有的容器集成以及示例中使用的 DockerContainer API。检查 apache/spark 镜像、Spark Connect 入口点、端口 8081 以及 wait_for_logs 的使用方式。完成的标准是：能够使用所需配置启动 Spark Connect 容器，并可靠地检测到其启动。
由索引模型根据 Issue 内容生成。
描述
What is the new container you'd like to have?
Spark connect introduces a decoupled client-server architecture to allow remote connectivity to spark server, official documentation is here.
It's used by data engineers to distribute data transformation jobs into multiple clusters. Spark connect is an addition to spark with leverages the jvm.
Benefits of having this in container would enable data engineers:
- to be able to tests their workflows without having to go through a cloud provider like Databricks
- prevent the manual setup of jvm which can be quite cumbersome
The most commonly used docker image is apache/spark.
Why not just use a generic container for this?
The implementation of the spark connect server with DockerContainer would expose extra configurations. On corporate projects, the following implementation is required
kwargs = {
"entrypoint": "/opt/spark/sbin/start-connect-server.sh org.apache.spark.deploy.master.Master --packages org.apache.spark:spark-connect_2.12:3.5.2,io.delta:delta-core_2.12:2.3.0 --conf spark.driver.extraJavaOptions='-Divy.cache.dir=/tmp -Divy.home=/tmp' --conf spark.connect.grpc.binding.port=8081",
}
with (
DockerContainer(
"apache/spark",
)
.with_bind_ports(8081, 8081)
.with_env("SPARK_NO_DAEMONIZE", "True")
.with_volume_mapping(pytest_tmp_dir, pytest_tmp_dir, "rw")
.with_kwargs(**kwargs) as container
):
_ = wait_for_logs(container, "SparkConnectServer: Spark Connect server started at")
yield container
The added complexity is due to configuration of the entrypoint, one would need to have expertise in spark connect to launch the server and ensure the proper port exports. There is a compatibility versions to guarantee between spark and the delta-core jar package.
Other references:
Some resources here
- 主要语言
- Python
- 星标
- 2.3k
- 派生
- 388
- 平均合并
- 4 小时 40 分钟
- 30 天内合并 PR
- 1
环境准备
在浏览器里用你自己的 GitHub 账号启动这个项目的开发容器。
- 提供 Dockerfile 或 Docker Compose 文件
- 有 Pull Request 模板
- 阅读贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
testcontainers/testcontainers-python 的其他 Issue
-
难度 2/5 1-3 小时 新手友好度 88/100
testcontainers/testcontainers-python#1115 · 1 个 reaction ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 78/100
testcontainers/testcontainers-python#1111 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 67/100
testcontainers/testcontainers-python#1086 · 1 条评论 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 68/100
testcontainers/testcontainers-python#578 · 5 条评论 ·
维护者通常 1 天内回复
-
难度 3/5 1-2 天 新手友好度 76/100
testcontainers/testcontainers-python#1125 ·
维护者通常 1 天内回复
查看 testcontainers/testcontainers-python 的全部 Issue
相似的 Issue
-
needs triage
难度 2/5 1-3 小时 新手友好度 78/100
维护者通常 2 天内回复
-
难度 2/5 1-3 小时 新手友好度 82/100
openvinotoolkit/openvino_notebooks#3665 ·
维护者通常 1 天内回复
-
bug
难度 2/5 1-3 小时 新手友好度 86/100
维护者通常 1 天内回复
-
docs
难度 2/5 1-3 小时 新手友好度 88/100
维护者通常 1 天内回复
-
benchmark-gap
难度 2/5 1-3 小时 新手友好度 78/100
维护者通常 1 天内回复