apache/zeppelin

Apache Zeppelin Docker镜像文档

镜像概述和主要用途

Apache Zeppelin 是一个基于 Web 的交互式数据分析笔记本，支持通过 SQL、Scala 等多种语言进行数据探索、处理与可视化。该 Docker 镜像封装了 Zeppelin 的核心功能，提供便捷的部署方式，适用于快速搭建交互式数据分析环境，支持与 Apache Spark 等大数据框架集成，满足数据科学、数据工程及团队协作场景的需求。

核心功能和特性

核心功能

• Web 交互式笔记本：提供基于浏览器的笔记本界面，支持实时编辑、运行代码及结果展示。
• 多语言支持：原生支持 SQL、Scala、Python 等多种编程语言（需配置对应解释器）。
• 内置 Apache Spark 集成：无需额外配置即可与 Apache Spark 集群联动，支持 Spark SQL、Spark Streaming 等。
• 数据可视化：内置图表功能，可将分析结果以折线图、柱状图、散点图等形式直观展示。
• 协作与分享：支持笔记本共享、版本控制及多人实时协作。

使用场景和适用范围

适用场景

• 数据科学与数据分析：数据科学家可通过 Zeppelin 进行数据清洗、特征工程、模型训练及结果可视化。
• 数据工程与处理：数据工程师可利用 Spark 集成功能编写批处理或流处理任务，实时调试并验证逻辑。
• 团队协作开发：多人共享笔记本，共同编辑分析报告或代码，提升团队协作效率。
• 教育与培训：作为数据分析教学工具，直观展示代码执行过程及数据处理逻辑。

适用人群

• 数据科学家、数据分析师
• 大数据开发工程师
• 高校教师及学生（数据分析相关课程）

详细使用方法和配置说明

前提条件

• 已安装 Docker Engine（20.10+）及 Docker Compose（可选，用于多容器部署）。
• 网络环境可访问 Docker Hub（用于拉取镜像）。

获取镜像

官方推荐使用 Apache Zeppelin 官方镜像（假设镜像名为 apache/zeppelin，实际使用时请确认最新镜像标签）：

bash
docker pull apache/zeppelin:latest

基本运行（docker run）

通过 docker run 命令快速启动 Zeppelin 服务，默认暴露 Web 端口并持久化笔记本数据：

bash
docker run -d \
  --name zeppelin \
  -p 8080:8080 \  # 映射 Web 访问端口（容器内默认 8080）
  -v /path/to/local/notebooks:/zeppelin/notebook \  # 持久化笔记本数据到本地目录
  -e ZEPPELIN_MEM="-Xmx2g -Xms1g" \  # 配置 JVM 内存（根据主机资源调整）
  apache/zeppelin:latest

参数说明

• -p 8080:8080：将容器内 Zeppelin Web 服务端口（8080）映射到宿主机 8080 端口，外部可通过 http://宿主机IP:8080 访问。
• -v /path/to/local/notebooks:/zeppelin/notebook：挂载宿主机目录到容器内笔记本存储路径（/zeppelin/notebook），避免容器重启后数据丢失。
• -e ZEPPELIN_MEM：设置 Zeppelin JVM 内存参数，根据宿主机资源调整（如 -Xmx4g -Xms2g 表示最大堆内存 4G，初始堆内存 2G）。

高级配置（docker-compose）

通过 Docker Compose 配置文件管理 Zeppelin 服务，可集成 Spark 集群或其他依赖服务（以下为基础示例）：

创建 docker-compose.yml 文件：

yaml
version: '3.8'
services:
  zeppelin:
    image: apache/zeppelin:latest
    container_name: zeppelin
    ports:
      - "8080:8080"  # Web 访问端口
      - "4040:4040"  # Spark UI 端口（若启用 Spark 应用，可选映射）
    volumes:
      - ./notebooks:/zeppelin/notebook  # 本地笔记本数据卷
      - ./conf:/zeppelin/conf  # 自定义配置文件（如 interpreter.json、zeppelin-site.xml）
    environment:
      - ZEPPELIN_PORT=8080  # Web 服务端口（默认 8080，可自定义）
      - ZEPPELIN_MEM="-Xmx4g -Xms2g"  # JVM 内存配置
      - SPARK_MASTER="local[*]"  # Spark 主节点地址（local[*] 表示本地模式，使用所有 CPU 核心）
    restart: unless-stopped  # 容器退出时自动重启（除非手动停止）

启动服务：

bash
docker-compose up -d

访问 Zeppelin

服务启动后，通过浏览器访问：

http://<宿主机IP>:8080

首次访问需等待 Zeppelin 初始化（约 1-2 分钟），初始化完成后进入笔记本界面，可创建新笔记本或导入现有笔记本。

配置参数详解

环境变量

端口说明

数据卷挂载

相关资源

• 官方文档：Apache Zeppelin 用户指南
• 邮件列表：用户与开发者邮件列表
• 问题跟踪：Jira 问题管理
• 贡献指南：Apache Zeppelin 贡献文档
• 许可证：https://github.com/apache/zeppelin/blob/master/LICENSE