联通大数据实操：CDH部署多版本Python环境及搭建本地Python第三方库
作者介绍
余澈，中国联通大数据技术部平台组核心技术负责人，项目管理高级工程师，具有多年大数据平台运维管理及开发优化经验。管理过多个上千节点集群，擅长对外多租户平台的维护开发。信科院大数据性能测试、功能测试主力，大厂PK获得双项第一。
由于其易用性好，以及现在机器学习和人工智能的崛起，Python成为当前非常火热的一门语言。承载多租户的大数据平台往往对于Python版本和第三方库有很多个性化的需求，联通大数据平台承载了百度、阿里、腾讯、苏宁、京东等上百个租户，在租户部署模型时就会要求集群计算节点拥有不同类别的Python科学计算包。下文将主要讲述如何在CDH集群基于二次打包的Anaconda安装包部署Python多版本运行环境，并搭建本地Python第三方库。
一般生产环境默认python版本为2.7，为了提供多版本python开发环境。需要先下载anaconda的parcel安装包并解压到本地，安装python3虚拟环境，然后安装集群计算节点所需要的常用python第三方包，如TensorFlow等科学计算包。
需准备：
-
电脑准备300G或以上的存储空间；
-
wget：下载某个源的所有package到本地；
-
Nginx：发布本地PyPI。
首先我们先进行Anaconda.Parcel的解压和Python3环境的创建：
第一步：下载Anaconda的Parcel包。
参考链接：https://repo.continuum.io/pkgs/misc/parcels/archive/
第二步：解压Anaconda的Parcel包，安装Python3私有环境。
安装好后显示环境如下：
安装私有的Python第三方本地库，Python第三方库分为pip和Conda库两种安装方式（最后我们选择Conda，比pip功能更强大，完善包及虚拟环境管理工具）：
Conda私有库安装方式：
首先通过外网下载所有第三方包，第三方包在清华镜像站，虽然有部分包不是最新版本，但下载速度快。
参考链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
由于公司主机不能连接外网。这里就省事地通过Windows安装wget全量捞取页面所需包。
Windows安装wget：
以管理员身份运行CMD，下载安装wget。
C:\WINDOWS\system32>
@"%SystemRoot%\System32\WindowsPowerShell\v1.0\powershell.exe" -NoProfile -InputFormat None -ExecutionPolicy Bypass -Command "iex ((New-Object System.Net.WebClient).DownloadString('https://chocolatey.org/install.ps1'))" && SET "PATH=%PATH%;%ALLUSERSPROFILE%\chocolatey\bin"
C:\WINDOWS\system32>
choco install wget
wget安装完毕，如果想更新，就输入：
C:\WINDOWS\system32>
choco upgrade wget
下载第三方Python包：
通过UE列操作范围选择过滤各个包名，存入txt。然后使用wget读取txt下载，下载时间大概持续7~8个小时。
-b 后台，-c 断电追加， -i 读取文档多个连接， -p下载urls下所有文档， -f指定日志文件位置。
wget -b -c -i C:\conf\pyku.txt -p C:\conf\ku -f C:\conf\wget-log
Linux，安装Nginx，并配置本地文件HTTP映射。
具体Nginx配置如下：
先配置两个页面：
/usr/share/nginx/html
index.html
<!DOCTYPE html>
<html>
<head>
<title>Welcome to nginx!</title>
<style>
body {
width: 35em;
margin: 0 auto;
font-family: Tahoma, Verdana, Arial, sans-serif;
}
</style>
</head>
<body>
<h1>Welcome to nginx!</h1>
<a href="http://12.109.21.84/pkgs/free/">free</a>
<a href="http://12.109.21.84/pkgs/main/">main</a>
<p><em>Thank you for using nginx.</em></p>
</body>
</html>
free.html
cat free.html
<!DOCTYPE html>
<html>
<head>
</head>
<body>
<a href="http://12.109.21.84/pkgs/free/linux-64/">linux-64</a>
<a href="http://12.109.21.84/pkgs/main/linux-64/">linux-64</a>
</body>
</html>
/etc/nginx/conf.d
server {
listen 80;
server_name localhost;
#charset koi8-r;
#access_log /var/log/nginx/log/host.access.log main;
location / {
root /usr/share/nginx/html/;
index index.html index.htm;
}
location /pkgs/free {
alias /usr/share/nginx/html/pkgs/free/;
index index.html index.htm;
autoindex on;
autoindex_exact_size on;
autoindex_localtime on;
}
location /pkgs/free/linux-64 {
alias /opt/beh/core/condaku/freeku/;
autoindex on;
autoindex_exact_size on;
autoindex_localtime on;
}
location /pkgs/free/noarch {
alias /opt/beh/core/condaku/freenorch/;
index index.html index.htm;
autoindex on;
autoindex_exact_size on;
autoindex_localtime on;
}
#error_page 404 /404.html;
# redirect server error pages to the static page /50x.html
#
error_page 500 502 503 504 /50x.html;
location = /50x.html {
root /usr/share/nginx/html;
}
}
配置好之后，启动Nginx，查看本地页面如下：
配置condarc：
conda config --add channels http://12.109.21.84/pkgs/free/
conda config --add channels http://12.109.21.84/pkgs/free/noarch/
conda config --set show_channel_urls yes
vi ~/.condarc
删除 - defaults这一行，保存退出后，source ~/.condarc
安装第三方包：
使用命令conda install包名。
若在私有库没有的一些第三方库，也可以下载安装包之后移动到pkgs目录下。
使用pip安装whl包。
打包创建好Python3，安装好所需科学计算包的Anaconda，生成sha校验文件。
tar -zcvf Anaconda-5.0.1-el7.parcel Anaconda-5.0.1 --owner=root --group=root
sha1sum Anaconda-5.0.1-el7.parcel | cut -d ' ' -f 1 > Anaconda-5.0.1-el7.parcel.sha
将Anaconda和生成的sha校验文件一起拷贝到Parcel-Repo目录下。
通过CM的Parcel管理，进行Anaconda的分发激活。
下面还整理了一份搭建私有Python pip源的过程（Windows环境）：
参考链接：https://www.jb51.net/article/137772.htm
这个链接提供了Anaconda的安装，和使用国内镜像快速下载Anaconda（5~6M/s）。
参考链接：https://www.jianshu.com/p/799b3490ad6d
-
准备300G或以上的存储空间；
-
bandersnatch：下载某个源的所有package到本地；
-
Nginx：发布本地 PyPI。
这个网站提供的是Linux的，不过Windows也能用，具体如下：
1）首先下载bandersnatch，因为装好了Anaconda，所以可以使用pip直接下载：
pip install bandersnatch
2） 生成配置文件 /etc/bandersnatch.conf。
bandersnatch mirror
注：这一步会报错，因为Windows没有/etc目录，直接在C盘下创建etc文件夹 ，然后再次运行会发现：C:\\etc\\bandersnatch.conf
文件被生成。
3）根据实际情况，重点修改以下两个配置，directory指 package在本地存放的位置，master指被同步的源。
[mirror]
; The directory where the mirror data will be stored.
directory = /srv/pypi
; The PyPI server which will be mirrored.
; master = https://testpypi.python.org
; scheme for PyPI server MUST be https
master = https://pypi.python.org
这部分需要修改为Windows，且directory目录至少要300G，包太多：
4）下载所有package至本地，我这要在Windows下的Anconda Prompt里面运行：
bandersnatch -c /etc/bandersnatch.conf mirror
$ bandersnatch -c /etc/bandersnatch.conf mirror
2014-01-15 09:49:26,556 INFO: bandersnatch/1.5 (CPython 2.7.6-final0, Linux 3.19.0-37-generic x86_64)
2014-01-15 09:49:26,558 INFO: Setting up mirror directory: /srv/pypi/
2014-01-15 09:49:26,559 INFO: Setting up mirror directory: /srv/pypi/web/simple
2014-01-15 09:49:26,560 INFO: Setting up mirror directory: /srv/pypi/web/packages
2014-01-15 09:49:26,560 INFO: Setting up mirror directory: /srv/pypi/web/local-stats/days
2014-01-15 09:49:26,561 INFO: Generation file missing. Reinitialising status files.
......
更新本地的pacakge，（我暂时没用到，刚下载完，再去更新，会发现全是文件已存在）：
bandersnatch -c /etc/bandersnatch.conf mirror
5）安装并配置Nginx（我的是基于Windows,我安装的是下面链接的Nginx版本，没用最新的）。
参考链接：https://www.cnblogs.com/qfb620/p/5508468.html
测试Nginx可用后，关闭Nginx，然后修改配置文件：
D:\nginx\nginx-1.8.1\conf\nginx.conf
备份该文件，然后删除里面的server{........}，用如下替换：
server {
listen *:80;
server_name localhost;
root F:\\python_package\\web;
autoindex on;
charset utf-8;
}
注：F:\\python_package\\web 是之前bandersnatch下载包之后自动生成的。
配置好之后，启动Nginx。
6）配置其他服务器的pip源（基于Windows）。
我这里用的是同一个局域网的其他Windows电脑。（能Ping通我的IP）
来到另一台电脑，安装Python后会自带pip，然后做如下操作：
参考链接：https://www.cnblogs.com/cwp-bg/p/8497075.html
打开查看隐藏文件夹选项后来到：（AppData为隐藏项目）C:\Users\Administrator\AppData\Roaming。
然后看有没有pip文件夹，没有就新建该文件夹，然后在该文件夹下新建pip.ini，输入如下：
[global]
timeout = 6000
index-url = http://我的机器ip/simple
trusted-host = 我的机器ip
7）测试pip install。
用配置好pip源的电脑，管理员运行CMD，输入如下：
pip install pymysql
结果如下：
生效，确实访问了我的IP下的pip源，并且路径一致，可以在我的电脑浏览器输入链接，找到该文件：
输入链接：http://我的机器ip/packages/ed/39/15045ae46f2a123019aa968dfcba0396c161c20f855f11dea6796bcaae95/
发现如下：
8）下一步，照搬到Linux。
掌握更多大数据运维技巧
来Gdevops看看技术大牛都有哪些大招
↓↓扫码可了解更多详情及报名↓↓
2019 Gdevops全球敏捷运维峰会-广州站
相关内容
微信扫码咨询专知VIP会员