搭建Spark所遇過的坑

作者：花弄影

一.經(jīng)驗

<mirror> ?<id>nexus-aliyun</id> ?<mirrorOf>*</mirrorOf> ?<name>Nexus aliyun</name> ?<url>http://maven.aliyun.com/nexus/content/groups/public</url></mirror>

二.基本功能

0.常見問題:

1如果運行程序出現(xiàn)錯誤：Exception in thread “main” java.lang.NoClassDefFoundError: org/slf4j/LoggerFactory，這是因為項目缺少slf4j-api.jar和slf4j-log4j12.jar這兩個jar包導(dǎo)致的錯誤。 2如果運行程序出現(xiàn)錯誤：java.lang.NoClassDefFoundError: org/apache/log4j/LogManager，這是因為項目缺少log4j.jar這個jar包 3錯誤：Exception in thread “main” java.lang.NoSuchMethodError: org.slf4j.MDC.getCopyOfContextMap()Ljava/util/Map，這是因為jar包版本沖突造成的。

1.配置spark-submit (CDH版本)

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/hadoop/fs/FSDataInputStream ? ? ? ?at org.apache.spark.deploy.SparkSubmitArguments.handleUnknown(SparkSubmitArguments.scala:451) ? ? ? ?at org.apache.spark.launcher.SparkSubmitOptionParser.parse(SparkSubmitOptionParser.java:178) ? ? ? ?at org.apache.spark.deploy.SparkSubmitArguments.<init>(SparkSubmitArguments.scala:97) ? ? ? ?at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:113) ? ? ? ?at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.fs.FSDataInputStream ? ? ? ?at java.net.URLClassLoader$1.run(URLClassLoader.java:366) ? ? ? ?at java.net.URLClassLoader$1.run(URLClassLoader.java:355) ? ? ? ?at java.security.AccessController.doPrivileged(Native Method) ? ? ? ?at java.net.URLClassLoader.findClass(URLClassLoader.java:354) ? ? ? ?at java.lang.ClassLoader.loadClass(ClassLoader.java:425) ? ? ? ?at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:308) ? ? ? ?at java.lang.ClassLoader.loadClass(ClassLoader.java:358) ? ? ? ?... 5 more

解決方案:

在spark-env.sh文件中添加:

export SPARK_DIST_CLASSPATH=$(hadoop classpath)

2.啟動spark-shell時,報錯

INFO cluster.YarnClientSchedulerBackend: Registered executor: Actor[akka.tcp://sparkExecutor@services07:34965/user/Executor#1736210263] with ID 1INFO util.RackResolver: Resolved services07 to /default-rackINFO storage.BlockManagerMasterActor: Registering block manager services07:51154 with 534.5 MB RAM

解決方案:

在spark的spark-env配置文件中配置下列配置項:

將export SPARK_WORKER_MEMORY, export SPARK_DRIVER_MEMORY, export SPARK_YARN_AM_MEMORY的值設(shè)置成小于534.5 MB

3.啟動spark SQL時,報錯:

 ?Caused by: org.datanucleus.store.rdbms.connectionpool.DatastoreDriverNotFoundException: The specified datastore driver ("com.mysql.jdbc.Driver ") was not found in the CLASSPATH. Please check your CLASSPATH specification, and the name of the driver.

解決方案:

在$SPARK_HOME/conf/spark-env.sh文件中配置:

export SPARK_CLASSPATH=$HIVE_HOME/lib/mysql-connector-java-5.1.6-bin.jar

4.啟動spark SQL時,報錯:

 ?java.sql.SQLException: Access denied for user 'services02 '@'services02' (using password: YES)

解決方案:

檢查hive-site.xml的配置項, 有以下這個配置項

<property> ? ?<name>javax.jdo.option.ConnectionPassword</name> ? ?<value>123456</value> ? ?<description>password to use against metastore database</description></property>

看該密碼與與MySQL的登錄密碼是否一致

5.啟動計算任務(wù)時報錯:

報錯信息為:

 ?org.apache.spark.rpc.RpcTimeoutException: Futures timed out after [120 seconds]. This timeout is controlled by spark.rpc.askTimeout

解決方案:

 ?分配的core不夠, 多分配幾核的CPU

6.啟動計算任務(wù)時報錯:

不斷重復(fù)出現(xiàn)

 ?status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1 ? ?  ?status.SparkJobMonitor: 2017-01-04 11:53:54,564 ? ?Stage-0_0: 0(+1)/1 ? ?  ?status.SparkJobMonitor: 2017-01-04 11:53:55,564 ? ?Stage-0_0: 0(+1)/1 ? ?  ?status.SparkJobMonitor: 2017-01-04 11:53:56,564 ? ?Stage-0_0: 0(+1)/1

解決方案:

 ? ?資源不夠, 分配大點內(nèi)存, 默認(rèn)值為512MB.

7.啟動Spark作為計算引擎時報錯:

報錯信息為:

java.io.IOException: Failed on local exception: java.nio.channels.ClosedByInterruptException; Host Details : local host is: "m1/192.168.179.201"; destination host is: "m1":9000;  ? ? at org.apache.hadoop.net.NetUtils.wrapException(NetUtils.java:772) ? ? at org.apache.hadoop.ipc.Client.call(Client.java:1474)Caused by: java.nio.channels.ClosedByInterruptException ? ? at java.nio.channels.spi.AbstractInterruptibleChannel.end(AbstractInterruptibleChannel.java:202) ? ? at sun.nio.ch.SocketChannelImpl.connect(SocketChannelImpl.java:681)17/01/06 11:01:43 INFO retry.RetryInvocationHandler: Exception while invoking getFileInfo of class ClientNamenodeProtocolTranslatorPB over m2/192.168.179.202:9000 after 9 fail over attempts. Trying to fail over immediately.

解決方案:

出現(xiàn)該問題的原因有多種, 我所遇到的是使用Hive On Spark時報了此錯誤,解決方案是: 在hive-site.xml文件下正確配置該項

<property> ? ?<name>spark.yarn.jar</name> ? ?<value>hdfs://ns1/Jar/spark-assembly-1.6.0-hadoop2.6.0.jar</value></property>

8.啟動spark集群時報錯,啟動命令為:start-mastersh

報錯信息:

Exception in thread "main" java.lang.NoClassDefFoundError: org/slf4j/Logger ? ? ? ?at java.lang.Class.getDeclaredMethods0(Native Method) ? ? ? ?at java.lang.Class.privateGetDeclaredMethods(Class.java:2701) ? ? ? ?at java.lang.Class.privateGetMethodRecursive(Class.java:3048) ? ? ? ?at java.lang.Class.getMethod0(Class.java:3018) ? ? ? ?at java.lang.Class.getMethod(Class.java:1784) ? ? ? ?at sun.launcher.LauncherHelper.validateMainClass(LauncherHelper.java:544) ? ? ? ?at sun.launcher.LauncherHelper.checkAndLoadMain(LauncherHelper.java:526)Caused by: java.lang.ClassNotFoundException: org.slf4j.Logger ? ? ? ?at java.net.URLClassLoader.findClass(URLClassLoader.java:381) ? ? ? ?at java.lang.ClassLoader.loadClass(ClassLoader.java:424) ? ? ? ?at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:331) ? ? ? ?at java.lang.ClassLoader.loadClass(ClassLoader.java:357) ? ? ? ?... 7 more

解決方案:

將/home/centos/soft/hadoop/share/hadoop/common/lib目錄下的slf4j-api-1.7.5.jar文件,slf4j-log4j12-1.7.5.jar文件和commons-logging-1.1.3.jar文件拷貝到/home/centos/soft/spark/lib目錄下

9.啟動spark集群時報錯,啟動命令為:start-mastersh

報錯信息:

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/hadoop/conf/Configuration ? ? ? ?at java.lang.Class.getDeclaredMethods0(Native Method) ? ? ? ?at java.lang.Class.privateGetDeclaredMethods(Class.java:2570) ? ? ? ?at java.lang.Class.getMethod0(Class.java:2813) ? ? ? ?at java.lang.Class.getMethod(Class.java:1663) ? ? ? ?at sun.launcher.LauncherHelper.getMainMethod(LauncherHelper.java:494) ? ? ? ?at sun.launcher.LauncherHelper.checkAndLoadMain(LauncherHelper.java:486)Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.conf.Configuration ? ? ? ?at java.net.URLClassLoader$1.run(URLClassLoader.java:366) ? ? ? ?at java.net.URLClassLoader$1.run(URLClassLoader.java:355) ? ? ? ?at java.security.AccessController.doPrivileged(Native Method) ? ? ? ?at java.net.URLClassLoader.findClass(URLClassLoader.java:354) ? ? ? ?at java.lang.ClassLoader.loadClass(ClassLoader.java:425) ? ? ? ?at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:308) ? ? ? ?at java.lang.ClassLoader.loadClass(ClassLoader.java:358) ? ? ? ?... 6 more

解決方案:

官網(wǎng)資料: ? ?https://spark.apache.org/docs/latest/hadoop-provided.html#apache-hadoop

編輯/home/centos/soft/spark/conf/spark-env.sh文件,配置下列配置項:

export SPARK_DIST_CLASSPATH=$(/home/centos/soft/hadoop/bin/hadoop classpath)

10.啟動HPL/SQL存儲過程時報錯:

報錯信息:

2017-01-10T15:20:18,491 ERROR [HiveServer2-Background-Pool: Thread-97] exec.TaskRunner: Error in executeTaskjava.lang.OutOfMemoryError: PermGen space ? ? ? ?at java.lang.ClassLoader.defineClass1(Native Method) ? ? ? ?at java.lang.ClassLoader.defineClass(ClassLoader.java:800)2017-01-10T15:20:18,491 ERROR [HiveServer2-Background-Pool: Thread-97] ql.Driver: FAILED: Execution Error, return code -101 from org.apache.hadoop.hive.ql.exec.spark.SparkTask. PermGen space2017-01-10T15:20:18,491 ?INFO [HiveServer2-Background-Pool: Thread-97] ql.Driver: Completed executing command(queryId=centos_20170110152016_240c1b5e-3153-4179-80af-9688fa7674dd); Time taken: 2.113 seconds2017-01-10T15:20:18,500 ERROR [HiveServer2-Background-Pool: Thread-97] operation.Operation: Error running hive query: org.apache.hive.service.cli.HiveSQLException: Error while processing statement: FAILED: Execution Error, return code -101 from org.apache.hadoop.hive.ql.exec.spark.SparkTask. PermGen space ? ? ? ?at org.apache.hive.service.cli.operation.Operation.toSQLException(Operation.java:388) ? ? ? ?at org.apache.hive.service.cli.operation.SQLOperation.runQuery(SQLOperation.java:244) ? ? ? ?at org.apache.hive.service.cli.operation.SQLOperation.access$800(SQLOperation.java:91)Caused by: java.lang.OutOfMemoryError: PermGen space ? ? ? ?at java.lang.ClassLoader.defineClass1(Native Method) ? ? ? ?at java.lang.ClassLoader.defineClass(ClassLoader.java:800)

解決方案:

參考資料: ? ?http://blog.csdn.net/xiao_jun_0820/article/details/45038205

出現(xiàn)該問題是因為Spark默認(rèn)使用全部資源, 而此時主機(jī)的內(nèi)存已用, 應(yīng)在Spark配置文件中限制內(nèi)存的大小. 在hive-site.xml文件下配置該項:

<property> ? ?<name>spark.driver.extraJavaOptions</name> ? ?<value>-XX:PermSize=128M -XX:MaxPermSize=512M</value></property>

或在spark-default.conf文件下配置:

spark.driver.extraJavaOptions ? ? ? ? ? ? -XX:PermSize=128M -XX:MaxPermSize=256M

三.Spark常見問題匯總

1.報錯信息:

Operation category READ is not supported in state standbyorg.apache.hadoop.ipc.RemoteException(org.apache.hadoop.ipc.StandbyException): Operation category READ is not supported in state standby

解決方案:

查看執(zhí)行Spark計算的是否處于standby狀態(tài), 用瀏覽器訪問該主機(jī):http://m1:50070, 如果處于standby狀態(tài), 則不可在處于StandBy機(jī)器運行spark計算，應(yīng)切執(zhí)行Spark計算的主機(jī)從Standby狀態(tài)切換到Active狀態(tài)

2.問題出現(xiàn)情景:

Spakr集群的所有運行數(shù)據(jù)在Master重啟是都會丟失

解決方案:

配置spark.deploy.recoveryMode選項為ZOOKEEPER

3.報錯信息:

由于Spark在計算的時候會將中間結(jié)果存儲到/tmp目錄，而目前l(fā)inux又都支持tmpfs，其實就是將/tmp目錄掛載到內(nèi)存當(dāng)中, 那么這里就存在一個問題，中間結(jié)果過多導(dǎo)致/tmp目錄寫滿而出現(xiàn)如下錯誤

No Space Left on the device（Shuffle臨時文件過多）

解決辦法:

修改配置文件spark-env.sh,把臨時文件引入到一個自定義的目錄中去, 即:

export SPARK_LOCAL_DIRS=/home/utoken/datadir/spark/tmp

4.報錯信息:

java.lang.OutOfMemory, unable to create new native threadCaused by: java.lang.OutOfMemoryError: unable to create new native thread ? ? ? ?at java.lang.Thread.start0(Native Method) ? ? ? ?at java.lang.Thread.start(Thread.java:640)

解決方案:

上面這段錯誤提示的本質(zhì)是Linux操作系統(tǒng)無法創(chuàng)建更多進(jìn)程，導(dǎo)致出錯，并不是系統(tǒng)的內(nèi)存不足。因此要解決這個問題需要修改Linux允許創(chuàng)建更多的進(jìn)程，就需要修改Linux最大進(jìn)程數(shù)。 (1)修改Linux最大進(jìn)程數(shù)

ulimit -a

(2)臨時修改允許打開的最大進(jìn)程數(shù)

ulimit -u 65535

(3)臨時修改允許打開的文件句柄

ulimit -n 65535

(4)永久修改Linux最大進(jìn)程數(shù)量

sudo vi /etc/security/limits.d/90-nproc.conf

* ? ? ? ? ?soft ? ?nproc ? ? 60000root ? ? ? soft ? ?nproc ? ? unlimited

永久修改用戶打開文件的最大句柄數(shù)，該值默認(rèn)1024，一般都會不夠，常見錯誤就是not open file?解決辦法:

sudo vi /etc/security/limits.conf

bdata ?soft ? ?nofile ?65536bdata ?hard ? ?nofile ?65536

5.問題出現(xiàn)情景:

Worker節(jié)點中的work目錄占用許多磁盤空間, 這些是Driver上傳到worker的文件, 會占用許多磁盤空間.

解決方案:

需要定時做手工清理. 目錄地址：/home/centos/soft/spark/work

6.問題出現(xiàn)情景:

spark-shell提交Spark Application如何解決依賴庫

解決方案:

利用–driver-class-path選項來指定所依賴的jar文件，注意的是–driver-class-path后如果需要跟著多個jar文件的話，jar文件之間使用冒號:來分割。

7.Spark在發(fā)布應(yīng)用的時候，出現(xiàn)連接不上master

報錯信息如下:

INFO AppClient$ClientEndpoint: Connecting to master spark://s1:7077...WARN ReliableDeliverySupervisor: Association with remote system [akka.tcp://sparkMaster@s1:7077] has failed, address is now gated for [5000] ms. Reason: [Disassociated]

解決方案:

檢查所有機(jī)器時間是否一致.hosts是否都配置了映射.客戶端和服務(wù)器端的Scala版本是否一致.Scala版本是否和Spark兼容

8.開發(fā)spark應(yīng)用程序（和Flume-NG結(jié)合時）發(fā)布應(yīng)用時可能會報錯

報錯信息如下:

ERROR ReceiverSupervisorImpl: Stopped receiver with error: org.jboss.netty.channel.ChannelException: Failed to bind to: /192.168.10.156:18800ERROR Executor: Exception in task 0.0 in stage 2.0 (TID 70) ? ? ? ? ? ? ? ?org.jboss.netty.channel.ChannelException: Failed to bind to: /192.168.10.156:18800 ? ? ? ? ? ? ? ?at org.jboss.netty.bootstrap.ServerBootstrap.bind(ServerBootstrap.java:272)Caused by: java.net.BindException: Cannot assign requested address

解決方案:

參考資料: ?http://www.tuicool.com/articles/Yfi2eyR

由于spark通過Master發(fā)布的時候，會自動選取發(fā)送到某一臺的worker節(jié)點上，所以這里綁定端口的時候，需要選擇相應(yīng)的worker服務(wù)器，但是由于我們無法事先了解到，spark發(fā)布到哪一臺服務(wù)器的，所以這里啟動報錯，是因為在192.168.10.156:18800的機(jī)器上面沒有啟動Driver程序，而是發(fā)布到了其他服務(wù)器去啟動了，所以無法監(jiān)聽到該機(jī)器出現(xiàn)問題，所以我們需要設(shè)置spark分發(fā)包時，發(fā)布到所有worker節(jié)點機(jī)器，或者發(fā)布后，我們?nèi)ふ野l(fā)布到了哪一臺機(jī)器，重新修改綁定IP，重新發(fā)布，有一定幾率發(fā)布成功。

9.使用Hive on Spark時報錯:

ERROR XSDB6: Another instance of Derby may have already booted the database /home/bdata/data/metastore_db.

解決方案:

在使用Hive on Spark模式操作hive里面的數(shù)據(jù)時，報以上錯誤，原因是因為HIVE采用了derby這個內(nèi)嵌數(shù)據(jù)庫作為數(shù)據(jù)庫，它不支持多用戶同時訪問,解決辦法就是把derby數(shù)據(jù)庫換成mysql數(shù)據(jù)庫即可

10.找不到hdfs集群名字dfscluster

報錯信息:

 ?java.lang.IllegalArgumentException: java.net.UnknownHostException: dfscluster

解決辦法：

將$HADOOP_HOME/etc/hadoop/hdfs-site.xml文件拷貝到Spark集群的所有主機(jī)的$SPARK_HOME/conf目錄下，然后重啟Spark集群

cd /home/centos/soft/spark/conf/

for i in {201,202,203}; do scp hdfs-site.xml 192.168.179.$i:/home/centos/soft/spark/conf/; done

11.在執(zhí)行yarn集群或者客戶端時，報錯:

執(zhí)行指令:

sh $SPARK_HOME/bin/spark-sql --master yarn-client

報如下錯誤:

Exception in thread "main" java.lang.Exception: When running with master 'yarn-client' either HADOOP_CONF_DIR or YARN_CONF_DIR must be set in the environment.

解決辦法:

根據(jù)提示，配置HADOOP_CONF_DIR?or?YARN_CONF_DIR的環(huán)境變量即可, 在spark-env.sh文件中配置以下幾項:

export HADOOP_HOME=/u01/hadoop-2.6.1export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoopPATH=$PATH:$HIVE_HOME/bin:$HADOOP_HOME/bin

12.提交spark計算任務(wù)時,報錯:

報錯信息如下:

Job aborted due to stage failure: Task 3 in stage 0.0 failed 4 times, most recent failure: Lost task 3.3 in[org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 0 on 192.168.10.38: remote Rpc client disassociated[org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 1 on 192.168.10.38: remote Rpc client disassociated[org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 2 on 192.168.10.38: remote Rpc client disassociated[org.apache.spark.scheduler.TaskSchedulerImpl]-[ERROR] Lost executor 3 on 192.168.10.38: remote Rpc client disassociated[org.apache.spark.scheduler.TaskSetManager]-[ERROR] Task 3 in stage 0.0 failed 4 times; aborting jobException in thread "main" org.apache.spark.SparkException : Job aborted due to stage failure: Task 3 in stage 0.0 failed 4 times, most recent failure: Lost task 3.3 in stage 0.0 (TID 14, 192.168.10.38): ExecutorLostFailure (executor 3 lost)Driver stacktrace:at org.apache.spark.scheduler.DAGScheduler.org$apache$spark$scheduler$DAGScheduler$$failJobAndIndependentStages(DAGScheduler.scala:1283)

解決方案:

這里遇到的問題主要是因為數(shù)據(jù)源數(shù)據(jù)量過大，而機(jī)器的內(nèi)存無法滿足需求，導(dǎo)致長時間執(zhí)行超時斷開的情況，數(shù)據(jù)無法有效進(jìn)行交互計算，因此有必要增加內(nèi)存

13.啟動Spark計算任務(wù):

長時間等待無反應(yīng)，并且看到服務(wù)器上面的web界面有內(nèi)存和核心數(shù)，但是沒有分配，報錯信息如下:

status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1status.SparkJobMonitor: 2017-01-04 11:53:51,564 ? ?Stage-0_0: 0(+1)/1

日志信息顯示：

WARN TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

解決方案:

出現(xiàn)上面的問題主要原因是因為我們通過參數(shù)spark.executor.memory設(shè)置的內(nèi)存過大，已經(jīng)超過了實際機(jī)器擁有的內(nèi)存，故無法執(zhí)行，需要等待機(jī)器擁有足夠的內(nèi)存后，才能執(zhí)行任務(wù)，可以減少任務(wù)執(zhí)行內(nèi)存，設(shè)置小一些即可

14.內(nèi)存不足或數(shù)據(jù)傾斜導(dǎo)致Executor Lost（spark-submit提交）

報錯信息如下:

TaskSetManager: Lost task 1.0 in stage 6.0 (TID 100, 192.168.10.37): java.lang.OutOfMemoryError: Java heap spaceINFO BlockManagerInfo: Added broadcast_8_piece0 in memory on 192.168.10.37:57139 (size: 42.0 KB, free: 24.2 MB)INFO BlockManagerInfo: Added broadcast_8_piece0 in memory on 192.168.10.38:53816 (size: 42.0 KB, free: 24.2 MB)INFO TaskSetManager: Starting task 3.0 in stage 6.0 (TID 102, 192.168.10.37, ANY, 2152 bytes)WARN TaskSetManager: Lost task 1.0 in stage 6.0 (TID 100, 192.168.10.37): java.lang.OutOfMemoryError: Java heap space ? ? ? ? ? ?at java.io.BufferedOutputStream.<init>(BufferedOutputStream.java:76) ? ? ? ? ? ?at java.io.BufferedOutputStream.<init>(BufferedOutputStream.java:59) ? ? ? ? ? ?at org.apache.spark.sql.execution.UnsafeRowSerializerInstance$$anon$2.<init>(UnsafeRowSerializer.scala:55)ERROR TaskSchedulerImpl: Lost executor 6 on 192.168.10.37: remote Rpc client disassociatedINFO TaskSetManager: Re-queueing tasks for 6 from TaskSet 6.0WARN ReliableDeliverySupervisor: Association with remote system [akka.tcp://sparkExecutor@192.168.10.37:42250] has failed, address is now gated for [5000] ms. Reason: [Disassociated]WARN TaskSetManager: Lost task 3.0 in stage 6.0 (TID 102, 192.168.10.37): ExecutorLostFailure (executor 6 lost)INFO DAGScheduler: Executor lost: 6 (epoch 8)INFO BlockManagerMasterEndpoint: Trying to remove executor 6 from BlockManagerMaster.INFO BlockManagerMasterEndpoint: Removing block manager BlockManagerId(6, 192.168.10.37, 57139)INFO BlockManagerMaster: Removed 6 successfully in removeExecutorINFO AppClient$ClientEndpoint: Executor updated: app-20160115142128-0001/6 is now EXITED (Command exited with code 52)INFO SparkDeploySchedulerBackend: Executor app-20160115142128-0001/6 removed: Command exited with code 52INFO SparkDeploySchedulerBackend: Asked to remove non-existent executor 6 ? ? ? ? ?org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 6.0 failed 4 times, most recent failure: Lost task 0.3 in stage 6.0 (TID 142, 192.168.10.36): ExecutorLostFailure (executor 4 lost)WARN TaskSetManager: Lost task 4.1 in stage 6.0 (TID 137, 192.168.10.38): java.lang.OutOfMemoryError: GC overhead limit exceeded

解決辦法：

由于我們在執(zhí)行Spark任務(wù)是，讀取所需要的原數(shù)據(jù)，數(shù)據(jù)量太大，導(dǎo)致在Worker上面分配的任務(wù)執(zhí)行數(shù)據(jù)時所需要的內(nèi)存不夠，直接導(dǎo)致內(nèi)存溢出了，所以我們有必要增加Worker上面的內(nèi)存來滿足程序運行需要。 在Spark Streaming或者其他spark任務(wù)中，會遇到在Spark中常見的問題，典型如Executor Lost相關(guān)的問題(shuffle fetch失敗，Task失敗重試等)。這就意味著發(fā)生了內(nèi)存不足或者數(shù)據(jù)傾斜的問題。這個目前需要考慮如下幾個點以獲得解決方案：

A.相同資源下，增加partition數(shù)可以減少內(nèi)存問題。 原因如下：通過增加partition數(shù)，每個task要處理的數(shù)據(jù)少了，同一時間內(nèi)，所有正在運行的task要處理的數(shù)量少了很多，所有Executor占用的內(nèi)存也變小了。這可以緩解數(shù)據(jù)傾斜以及內(nèi)存不足的壓力。 B.關(guān)注shuffle read階段的并行數(shù)。例如reduce,?group?之類的函數(shù)，其實他們都有第二個參數(shù)，并行度(partition數(shù))，只是大家一般都不設(shè)置。不過出了問題再設(shè)置一下，也不錯。 C.給一個Executor核數(shù)設(shè)置的太多，也就意味著同一時刻，在該Executor的內(nèi)存壓力會更大，GC也會更頻繁。我一般會控制在3個左右。然后通過提高Executor數(shù)量來保持資源的總量不變。

16. Spark Streaming 和kafka整合

報錯信息如下：

 ?OffsetOutOfRangeException

解決方案：

如果和kafka消息中間件結(jié)合使用，請檢查消息體是否大于默認(rèn)設(shè)置1m，如果大于，則需要設(shè)置fetch.message.max.bytes=1m, 這里需要把值設(shè)置大些

17.報錯信息:

java.io.IOException : Could not locate executable null\bin\winutils.exe in the Hadoop binaries.（spark sql on hive 任務(wù)引發(fā)HiveContext NullPointerException）

解決辦法:

在開發(fā)hive和Spark整合的時候，如果是Windows系統(tǒng)，并且沒有配置HADOOP_HOME的環(huán)境變量，那么可能找不到winutils.exe這個工具，由于使用hive時，對該命令有依賴，所以不要忽視該錯誤，否則將無法創(chuàng)建HiveContext，一直報Exception in thread “main” java.lang.RuntimeException: java.lang.NullPointerException?因此，解決該辦法有兩個方式

方案A:

把任務(wù)打包成jar，上傳到服務(wù)器上面，服務(wù)器是配置過HADOOP_HOME環(huán)境變量的，并且不需要依賴winutils,所以只需要通過spark-submit方式提交即可，如：

 ?spark-submit --class com.pride.hive.HiveOnSparkTest --master spark://bdata4:7077 spark-simple-1.0.jar

方案B:

解決winutils.exe命令不可用問題，配置Windows上面HADOOP_HOME的環(huán)境變量，或者在程序最開始的地方設(shè)置HADOOP_HOME的屬性配置,這里需要注意，由于最新版本已經(jīng)沒有winutils這些exe命令了，我們需要在其他地方下載該命令放入HADOOP的bin目錄下，當(dāng)然也可以直接配置下載項目的環(huán)境變量，變量名一定要是HADOOP_HOME才行

下載地址: (記得FQ哦) ? ?https://github.com/srccodes/hadoop-common-2.2.0-bin/archive/master.zip

任何項目都生效，需要配置Windows的環(huán)境變量，如果只在程序中生效可在程序中配置即可，如:

//用于解決Windows下找不到winutils.exe命令System. setProperty("hadoop.home.dir", "E:\\Software\\hadoop-common-2.2.0-bin" );

19.報錯信息:

Exception in thread “main” org.apache.hadoop.security.AccessControlException : Permission denied: user=Administrator, access=WRITE, inode=”/data”:bdata:supergroup:drwxr-xr-x

解決辦法

1.在系統(tǒng)的環(huán)境變量或JVM變量里面添加HADOOP_USER_NAME，如程序中添加:?System.setProperty(“HADOOP_USER_NAME”, “bdata”);, 這里的值就是以后會運行HADOOP上的Linux的用戶名，如果是eclipse，則修改完重啟eclipse，不然可能不生效 2.修改有問題的目錄權(quán)限

hadoop fs -chmod 755 /tmp

并hive-site.xml文件中增加以下配置

<property> ? ?<name>hive.scratch.dir.permission</name> ? ?<value>755</value></property>

20.運行Spark-SQL報錯：

 ?org.apache.spark.sql.AnalysisException: unresolved operator 'Project

解決辦法：

在Spark-sql和hive結(jié)合時或者單獨Spark-sql，運行某些sql語句時，偶爾出現(xiàn)上面錯誤，那么我們可以檢查一下sql的問題，這里遇到的問題是嵌套語句太多，導(dǎo)致spark無法解析，所以需要修改sql或者改用其他方式處理；特別注意該語句可能在hive里面沒有錯誤，spark才會出現(xiàn)的一種錯誤。

21.報錯信息如下:

org.apache.spark.SparkException: Only one SparkContext may be running in this JVM (see SPARK-2243). To ignore this error, set spark.driver.allowMultipleContexts = true.

解決方案：

使用Use this constructor JavaStreamingContext(sparkContext: JavaSparkContext, batchDuration: Duration)?替代?new JavaStreamingContext(sparkConf, Durations.seconds(5))

22.報錯信息如下:

java.lang.IllegalArgumentException: requirement failed: No output operations registered, so nothing to execute

解決方案：

tranformation最后一步產(chǎn)生的那個RDD必須有相應(yīng)Action操作，例如massages.print()等

23.報錯信息如下:

ERROR ApplicationMaster: SparkContext did not initialize after waiting for 100000 ms. Please check earlier log output for errors. Failing the application

解決方案：

資源不能分配過大,或者沒有把.setMaster(“local[*]”)去掉

24.報錯信息如下:

java.util.regex.PatternSyntaxException: Dangling meta character '?' near index 0

解決方案：

元字符記得轉(zhuǎn)義

25.報錯信息如下:

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/hadoop/fs/FSDataInputStream

解決方案：

編譯spark用了hadoop-provided參數(shù)，導(dǎo)致缺少hadoop相關(guān)包

26.報錯信息如下:

org.apache.spark.SparkException: Task failed while writing rows? Caused by:?????????????????? org.elasticsearch.hadoop.rest.EsHadoopInvalidRequest: null

解決方案：

ES負(fù)載過高，修復(fù)ES

27.報錯信息如下:

org.apache.spark.SparkException: Task failed while writing rows?? scala.MatchError: Buffer(10.113.80.29, None) (of class scala.collection.convert.Wrappers$JListWrapper)

解決方案：

ES數(shù)據(jù)在sparksql類型轉(zhuǎn)化時不兼容，可通過EsSpark.esJsonRDD以字符串形式取ES數(shù)據(jù)，再把rdd轉(zhuǎn)換成dataframe

28.報錯信息如下:

SparkListenerBus has already stopped! Dropping event SparkListenerStageCompleted

解決方案：

集群資源不夠，確保真實剩余內(nèi)存大于spark job申請的內(nèi)存

29.報錯信息如下:

ExecutorLostFailure (executor 3 exited caused by one of the running tasks) Reason: Container killed by YARN for exceeding memory limits. 61.0 GB of 61 GB physical memory used

解決方案：

配置項spark.storage.memoryFraction默認(rèn)值為0.6, 應(yīng)加大spark.storage.memoryFraction的系數(shù)

30.問題如下:

如何定位spark的數(shù)據(jù)傾斜

解決方案：

在Spark Web UI看一下當(dāng)前stage各個task分配的數(shù)據(jù)量以及執(zhí)行時間，根據(jù)stage劃分原理定位代碼中shuffle類算子

31.報錯信息如下:

如何解決spark數(shù)據(jù)傾斜

解決方案：

32.報錯信息如下:

org.apache.spark.SparkException: Failed to get broadcast_790_piece0 of broadcast_790

解決方案：

刪除spark-defaults.conf文件中spark.cleaner.ttl的配置

33.報錯信息如下:

 ?MapperParsingException[Malformed content, must start with an object

解決方案：

采用接口JavaEsSpark.saveJsonToEs，因為saveToEs只能處理對象不能處理字符串

34.報錯信息如下:

 ?java.util.concurrent.TimeoutException: Cannot receive any reply in 120 seconds

解決方案：

35.報錯信息如下:

Exception in thread “main” org.apache.spark.SparkException: Yarn application has already ended! It might have been killed or unable to launch application master.

解決方案：

出現(xiàn)此類問題有很多種, 當(dāng)時遇到這問題的因為是在spark未改動的情況下, 更換了Hive的版本導(dǎo)致版本不對出現(xiàn)了此問題, 解決此問題的方法是:

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。