【AICon】探索RAG 技术在实际应用中遇到的挑战及应对策略!AICon精华内容已上线73%>>> 了解详情
写点什么

联通大数据实操:CDH 部署多版本的 Python 环境及搭建本地的 Python 第三方库

  • 2019-09-09
  • 本文字数:4039 字

    阅读完需:约 13 分钟

联通大数据实操:CDH部署多版本的Python环境及搭建本地的Python第三方库

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。

基于 Anaconda 部署 Python3

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
复制代码


wget 安装完毕,如果想更新,就输入:


C:\WINDOWS\system32>choco upgrade wget
复制代码


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
复制代码


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;}}
复制代码


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 yesvi ~/.condarc删除  - defaults这一行,保存退出后,source ~/.condarc
复制代码


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=rootsha1sum Anaconda-5.0.1-el7.parcel | cut -d ' ' -f 1 > Anaconda-5.0.1-el7.parcel.sha
复制代码


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):


1、安装 Anaconda


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)。


2、搭建自己的 pip 源


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 httpsmaster = https://pypi.python.org
复制代码


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 mirror2014-01-15 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/simple2014-01-15 09:49:26,560 INFO: Setting up mirror directory: /srv/pypi/web/packages2014-01-15 09:49:26,560 INFO: Setting up mirror directory: /srv/pypi/web/local-stats/days2014-01-15 09:49:26,561 INFO: Generation file missing. Reinitialising status files.......
复制代码


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
复制代码


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
复制代码


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;}
复制代码


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 = 6000index-url = http://我的机器ip/simpletrusted-host = 我的机器ip
复制代码


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
复制代码


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。


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。


本文转载自公众号 DBAplus 社群(ID:dbaplus)


原文链接


https://mp.weixin.qq.com/s?__biz=MzI4NTA1MDEwNg==&mid=2650780800&idx=2&sn=0def50e6bb44db39b2457e6ac152e0df&chksm=f3f90115c48e8803c6eb4d33e5eefe62c15afa0c02b8a180e2dcb8f3448252859e212cc25f58&scene=27#wechat_redirect


2019-09-09 08:002568

评论 1 条评论

发布
用户头像
厉害厉害!
2019-09-09 09:01
回复
没有更多了
发现更多内容

索信达首席科学家张磊:以AI创新技术满足金融场景的“私人定制”

索信达控股

大数据 数字化转型 银行数字化转型

Linux之tar命令

入门小站

Linux

数据治理方法论和实践小百科全书

王知无

What's JVM-垃圾收集器与内存分配策略

CodeWithBuff

Java JVM 垃圾回收机制

模块八:课后作业

菲尼克斯

架构实战营

Python OpenCV 霍夫(Hough Transform)直线变换检测应用

梦想橡皮擦

7月日更

模块八 作业

CR

Rust从0到1-并发-线程

rust 线程 并发 Thread Concurrency

微信架构图

Geek_36d3e5

什么是网络单纯型算法

华为云开发者联盟

算法 线性规划 网络单纯型 计算矩阵

作业表设计

大肚皮狒狒

字节跳动Go 网络库netpoll源码解析

xumc

字节跳动 Go 语言

架构之:REST和RESTful

程序那些事

微服务 软件架构 程序那些事

建立对分布式锁的系统认知-从Redlock开始

刘绍

程序员 分布式 分布式锁 RedLock redisson

Vue进阶(幺捌伍):动态设置系统字体

No Silver Bullet

Vue 7月日更 字体设置

深入学习WebSockets概念和实践

devpoint

socket websocket 7月日更

一脚踢你进Go语言大门!入门者必看,万字长文,建议收藏!

微客鸟窝

Go 语言

【Flutter 专题】86 初识状态管理 Bloc (一)

阿策小和尚

Flutter 小菜 0 基础学习 Flutter Android 小菜鸟 7月日更

【LeetCode】减小和重新排列数组后的最大元素Java题解

Albert

算法 LeetCode 7月日更

图解堆排序,带你彻底了解清楚!

程序员的时光

Java 面试 算法 排序算法 堆排序

架构训练营模块八作业

Geek_e0c25c

架构训练营

工业互联网赋能 浪潮云洲助力区域品牌“走出去”

浪潮云

工业互联网

怎么借助Camtasia给电脑游戏录屏

淋雨

视频剪辑 Camtasia 录屏

模块8学习总结

TH

架构实战营

在线标准程序员计算器

入门小站

工具

架构训练营模块8作业

Neil43

架构训练营

Vue进阶(幺零六):子组件处理父组件异步值传递给子组件处理

No Silver Bullet

Vue 组件 监听 7月日更

悟了!树,二叉树,哈夫曼树...

Ayue、

数据结构

如何打造高效好用的终端?拿来吧你!

童欧巴

大前端 iterm2 Oh My Zsh

ARTS 打卡计划-1

语霖

EasyRecovery深度扫描以恢复桌面遗失数据的方法

淋雨

EasyRecovery 文件恢复 硬盘数据恢复

联通大数据实操:CDH部署多版本的Python环境及搭建本地的Python第三方库_大数据_余澈_InfoQ精选文章