Spark中會遇到什么坑

這篇文章主要介紹了Spark中會遇到什么坑，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

1.1 Scala與Intellij集成報錯

在Scala安裝成功后，準備到Intellij上寫Scala代碼，發現Scala都配好了(關于如何配置，網上資料很多)，結果運行Scala程序時報錯。

錯誤：

Error:scalac: Multiple 'scala-library*.jar' files (scala-library.jar, scala-library.jar, scala-library.jar) in Scala compiler classpath in Scala SDK scala-sdk-2.12.2

解決方法：在OverStackflow上找到了思路。在Intellij中打開project  structure，刪除已有的Scala的路徑(我的Scala是安裝在/usr/local/Cellar/scala/2.12.2路徑下的),重新添加/usr/local/Cellar/scala/2.12.2/idea/lib目錄即可。

改動前

改動后

1.2 Scala語法Intellij不認

在Intellij中寫了一個Scala的HelloWorld，代碼如下

/**  * Created by jackie on 17/5/7.  */ package com.jackie.scala.s510  object HelloWorld {   def main(args: Array[String]): Unit = {     println("hello world")      println(increaseAnother(5));      println(Array(1,2,3,4).map{(x:Int)=>x+1}.mkString(","));      println(Array(1,2,3,4) map{(x:Int)=>x+1} mkString(","));      println(Array(1,2,3,4) map{(x:Int)=>x+1} mkString(","));      // test object     var person = new Person()     person.name_=("john") // name_=()對應java中的setter方法     println("Person name:" + person.name)      person.name = "Jackie"     println("Person name:" + person.name)      var mp = new MyPerson()     mp.name_("alihaha")     println("MyPerson name:" + person.name)      var pwp = new PersonWithParam("Jackie", 18)     println("PersonWithParam:" + pwp.toString())    }    def increaseAnother(x: Int): Int = x + 1   }

運行的時候，報錯mkString無法識別。

錯誤：mkString can't be resolved

解決方法：需要交代下我各個環境的版本參數，Intellij-14.0， jdk-8，  scala-2.12.2。但是在Intellij中能選擇的Scala***版本只有2.11，所有后來將Intellij升級到2017.1版本，這時候還報錯Error:scalac:  Error:  org.jetbrains.jps.incremental.scala.remote.ServerException，然后在Intellij中打開project  structure，將scala由2.12.2換成2.11.7，問題解決。

1.3 Spark與Intellij集成的問題

Spark環境都安裝好了，所以想在Intellij中運行Spark程序，但是在添加了Spark的相關依賴后，發現無法編譯通過。

錯誤：

Exception NoSuchMethodError: com.google.common.collect.MapMaker.keyEquivalence

解決方法：實現聲明，之前在maven中一直引用的都是spark-core2.10，這時候報錯，我定位問題出在Guava上，然后找到所有間接依賴了Guava的jar，都exclude，問題還是沒有解決。期間添加了Spark的很多依賴，試了都不行，***試了下Spark-core2.11，問題解決(有的時候版本的兼容性真的很坑)。

1.4 hadoop上傳本地文件到HDFS

如果想將本地文件上傳到HDFS，使用hadoop fs -put localDir hdfsDir，前提是保證hadoop啟動。

錯誤：

jackie@jackies-MacBook-Pro:~|⇒  hadoop fs -put ~/Documents/doc/README.md / 17/05/13 10:56:39 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/13 10:56:40 WARN ipc.Client: Failed to connect to server: localhost/127.0.0.1:8020: try once and fail. java.net.ConnectException: Connection refused     at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)     at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:717)     at org.apache.hadoop.net.SocketIOWithTimeout.connect(SocketIOWithTimeout.java:206)     at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:531)     at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:495)     at org.apache.hadoop.ipc.Client$Connection.setupConnection(Client.java:681)     at org.apache.hadoop.ipc.Client$Connection.setupIOstreams(Client.java:777)     at org.apache.hadoop.ipc.Client$Connection.access$3500(Client.java:409)     at org.apache.hadoop.ipc.Client.getConnection(Client.java:1542)     at org.apache.hadoop.ipc.Client.call(Client.java:1373)     at org.apache.hadoop.ipc.Client.call(Client.java:1337)     at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:227)     at org.apache.hadoop.ipc.ProtobufRpcEngine$Invoker.invoke(ProtobufRpcEngine.java:116)     at com.sun.proxy.$Proxy10.getFileInfo(Unknown Source)     at org.apache.hadoop.hdfs.protocolPB.ClientNamenodeProtocolTranslatorPB.getFileInfo(ClientNamenodeProtocolTranslatorPB.java:787)     at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)     at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)     at java.lang.reflect.Method.invoke(Method.java:498)     at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:398)     at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invokeMethod(RetryInvocationHandler.java:163)     at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invoke(RetryInvocationHandler.java:155)     at org.apache.hadoop.io.retry.RetryInvocationHandler$Call.invokeOnce(RetryInvocationHandler.java:95)     at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:335)     at com.sun.proxy.$Proxy11.getFileInfo(Unknown Source)     at org.apache.hadoop.hdfs.DFSClient.getFileInfo(DFSClient.java:1700)     at org.apache.hadoop.hdfs.DistributedFileSystem$27.doCall(DistributedFileSystem.java:1436)     at org.apache.hadoop.hdfs.DistributedFileSystem$27.doCall(DistributedFileSystem.java:1433)     at org.apache.hadoop.fs.FileSystemLinkResolver.resolve(FileSystemLinkResolver.java:81)     at org.apache.hadoop.hdfs.DistributedFileSystem.getFileStatus(DistributedFileSystem.java:1433)     at org.apache.hadoop.fs.Globber.getFileStatus(Globber.java:64)     at org.apache.hadoop.fs.Globber.doGlob(Globber.java:282)     at org.apache.hadoop.fs.Globber.glob(Globber.java:148)     at org.apache.hadoop.fs.FileSystem.globStatus(FileSystem.java:1685)     at org.apache.hadoop.fs.shell.PathData.expandAsGlob(PathData.java:326)     at org.apache.hadoop.fs.shell.CommandWithDestination.getRemoteDestination(CommandWithDestination.java:195)     at org.apache.hadoop.fs.shell.CopyCommands$Put.processOptions(CopyCommands.java:256)     at org.apache.hadoop.fs.shell.Command.run(Command.java:164)     at org.apache.hadoop.fs.FsShell.run(FsShell.java:315)     at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:76)     at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:90)     at org.apache.hadoop.fs.FsShell.main(FsShell.java:378) put: Call From jackies-macbook-pro.local/192.168.73.56 to localhost:8020 failed on connection exception: java.net.ConnectException: Connection refused; For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused

解決方法：進入hadoop安裝目錄(我的是/usr/local/Cellar/hadoop)進入sbin下執行./start-all.sh啟動hadoop服務。

1.5 Spark啟動

上篇在配置Spark時沒有配置spark-defaults.conf文件，所以在Spark安裝目錄下(我的是/usr/local/Spark)啟動./start-all.sh出錯。

錯誤：

spark-shell Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties Setting default log level to "WARN". To adjust logging level use sc.setLogLevel(newLevel). 17/05/13 13:42:49 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/13 13:42:51 WARN StandaloneAppClient$ClientEndpoint: Failed to connect to master 192.168.73.56:7077 org.apache.spark.SparkException: Exception thrown in awaitResult     at org.apache.spark.rpc.RpcTimeout$$anonfun$1.applyOrElse(RpcTimeout.scala:77)     at org.apache.spark.rpc.RpcTimeout$$anonfun$1.applyOrElse(RpcTimeout.scala:75)     at scala.runtime.AbstractPartialFunction.apply(AbstractPartialFunction.scala:36)     at org.apache.spark.rpc.RpcTimeout$$anonfun$addMessageIfTimeout$1.applyOrElse(RpcTimeout.scala:59)     at org.apache.spark.rpc.RpcTimeout$$anonfun$addMessageIfTimeout$1.applyOrElse(RpcTimeout.scala:59)     at scala.PartialFunction$OrElse.apply(PartialFunction.scala:167)     at org.apache.spark.rpc.RpcTimeout.awaitResult(RpcTimeout.scala:83)     at org.apache.spark.rpc.RpcEnv.setupEndpointRefByURI(RpcEnv.scala:88)     at org.apache.spark.rpc.RpcEnv.setupEndpointRef(RpcEnv.scala:96)     at org.apache.spark.deploy.client.StandaloneAppClient$ClientEndpoint$$anonfun$tryRegisterAllMasters$1$$anon$1.run(StandaloneAppClient.scala:106)     at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511)     at java.util.concurrent.FutureTask.run(FutureTask.java:266)     at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)     at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)     at java.lang.Thread.run(Thread.java:745) Caused by: java.io.IOException: Failed to connect to /192.168.73.56:7077

解決方法：將Spark安裝目錄下的conf中的spark-defaults.conf.template拷貝一份出來，重命名為spark-defaults.conf，按照https://sanwen8.cn/p/3bac5Bj.html配置好，再啟動Spark，發現還是報錯

https://sanwen8.cn/p/3bac5Bj.html Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties Setting default log level to "WARN". To adjust logging level use sc.setLogLevel(newLevel). 17/05/13 14:19:12 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/13 14:19:15 ERROR SparkContext: Error initializing SparkContext. java.net.ConnectException: Call From jackies-MacBook-Pro.local/192.168.73.56 to 192.168.73.56:8021 failed on connection exception: java.net.ConnectException: Connection refused; For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused     at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)

于是按照StackOverflow，將spark-defaults.conf中的spark.eventLog.enabled由true改為false，之后再啟動成功。

注意：這里我反復配置了localhost和自己的ip，來回切換，最終證明只要在/etc/hosts中配置好ip對應映射的名稱，可以直接用名稱即可，不用寫ip，而且要保持hadoop中的配置文件和spark中的配置文件要一致，否則針對會精疲力盡。

1.6 將運算任務交給Spark運行的報錯

運行下面的一個Demo程序

package com.jackie.scala.s513;  import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaPairRDD; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.FlatMapFunction; import org.apache.spark.api.java.function.Function2; import org.apache.spark.api.java.function.PairFunction; import scala.Tuple2;  import java.util.Arrays; import java.util.Iterator; import java.util.List; import java.util.regex.Pattern;  /**  * Created by jackie on 17/5/13.  */ public class Simple {     private static final Pattern SPACE = Pattern.compile(" ");      public static void main(String[] args) throws Exception {          //創建一個RDD對象         SparkConf conf=new SparkConf().setAppName("Simple").setMaster("local");          //創建spark上下文對象，是數據的入口         JavaSparkContext spark=new JavaSparkContext(conf);          //獲取數據源         JavaRDD<String> lines = spark.textFile("hdfs://jackie:8020/");          /**          * 對于從數據源得到的DStream，用戶可以在其基礎上進行各種操作，          * 對于當前時間窗口內從數據源得到的數據首先進行分割，          * 然后利用Map和ReduceByKey方法進行計算，當然***還有使用print()方法輸出結果；          */         JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {             @Override             public Iterator<String> call(String s) {                 return Arrays.asList(SPACE.split(s)).iterator();             }         });           //使用RDD的map和reduce方法進行計算         JavaPairRDD<String, Integer> ones = words.mapToPair(                 new PairFunction<String, String, Integer>() {                     @Override                     public Tuple2<String, Integer> call(String s) {                         return new Tuple2<String, Integer>(s, 1);                     }                 });           JavaPairRDD<String, Integer> counts = ones.reduceByKey(                 new Function2<Integer, Integer, Integer>() {                     @Override                     public Integer call(Integer i1, Integer i2) {                         return i1 + i2;                     }                 });          List<Tuple2<String, Integer>> output = counts.collect();         for (Tuple2<?,?> tuple : output) {             //輸出計算結果             System.out.println(tuple._1() + ": " + tuple._2());         }           spark.stop();     } }

這個程序需要讀取HDFS上根目錄下的README.md文件，但是在此之前我執行了"hadoop namenode  -format"(注意，這個操作引起了后面的一系列問題)。所以就準備重新使用hadoop fs -put localDir  hdfsDir上傳README.md，結果這時候報錯

錯誤：

hadoop fs -put /Users/jackie/Documents/doc/README.md / 17/05/13 15:47:15 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/13 15:47:16 WARN hdfs.DataStreamer: DataStreamer Exception org.apache.hadoop.ipc.RemoteException(java.io.IOException): File /README.md._COPYING_ could only be replicated to 0 nodes instead of minReplication (=1).  There are 0 datanode(s) running and no node(s) are excluded in this operation.     at org.apache.hadoop.hdfs.server.blockmanagement.BlockManager.chooseTarget4NewBlock(BlockManager.java:1733)     at org.apache.hadoop.hdfs.server.namenode.FSDirWriteFileOp.chooseTargetForNewBlock(FSDirWriteFileOp.java:265)     at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.getAdditionalBlock(FSNamesystem.java:2496)     at org.apache.hadoop.hdfs.server.namenode.NameNodeRpcServer.addBlock(NameNodeRpcServer.java:828)

后來發現是datanode沒有啟動，然后開始找datanode沒有啟動的原因，在這里http://www.aboutyun.com/thread-7931-1-1.html

文中解釋：當我們執行文件系統格式化時，會在namenode數據文件夾(即配置文件中dfs.name.dir在本地系統的路徑)中保存一個current/VERSION文件，記錄namespaceID，標識了所格式化的  namenode的版本。如果我們頻繁的格式化namenode，那么datanode中保存(即配置文件中dfs.data.dir在本地系統的路徑)的current/VERSION文件只是你***次格式化時保存的namenode的ID，因此就會造成datanode與namenode之間的id不一致。

解決方法：采取的做法是根據執行hadoop namenode –format得到成功的提示。

這時候再執行jps命令，我們就可以看到datanode了

類似的，同樣是在執行hadoop fs -put /Users/jackie/Documents/doc/README.md /是報錯如下

hadoop fs -put /Users/jackie/Documents/doc/README.md / 17/05/15 09:51:04 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/15 09:51:05 WARN ipc.Client: Failed to connect to server: jackie/192.168.73.56:8020: try once and fail. java.net.ConnectException: Connection refused     at sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)     at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:717)     at org.apache.hadoop.net.SocketIOWithTimeout.connect(SocketIOWithTimeout.java:206)     at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:531)     at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:495)     at org.apache.hadoop.ipc.Client$Connection.setupConnection(Client.java:681)     at org.apache.hadoop.ipc.Client$Connection.setupIOstreams(Client.java:777)     at org.apache.hadoop.ipc.Client$Connection.access$3500(Client.java:409)

一開始以為是ip的配置問題，但是反復修改無果，后來發現使用jps時，沒有啟動namenode，于是在網上找http://blog.csdn.net/bychjzh/article/details/7830508

于是在/usr/local/Cellar/hadoop/hdfs下刪除原來在core-site.xml中配置的tmp目錄，然后新建了hadoop_tmp目錄，并在core-site.xml中修改成

<property>      <name>hadoop.tmp.dir</name> <value>/usr/local/Cellar/hadoop/hdfs/hadoop_tmp</value>     <description>A base for other temporary directories.</description>   </property>

并執行hadoop namenode –format，***在使用start-all.sh啟動所有的服務，執行上傳文件成功

感謝你能夠認真閱讀完這篇文章，希望小編分享的“Spark中會遇到什么坑”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!