spark on yarn报错ERROR GPLNativeCodeLoader: Could not load native gpl library

本文记录了一个Spark SQL启动过程中遇到的警告及错误,并给出了详细的解决步骤。主要问题是由于缺少必要的Hadoop本地库支持导致的错误,通过修改spark-env.sh文件中的环境变量解决了该问题。
启动spark-sql
spark-sql --master yarn-client  --executor-memory 1G

报错:
16/03/30 14:45:32 WARN BlockReaderLocal: The short-circuit local reads feature cannot be used because libhadoop cannot be loaded.

使用命令查看databases
spark-sql> show databases;

16/03/30 14:46:01 ERROR GPLNativeCodeLoader: Could not load native gpl library
java.lang.UnsatisfiedLinkError: no gplcompression in java.library.path
        at java.lang.ClassLoader.loadLibrary(ClassLoader.java:1886)
        at java.lang.Runtime.loadLibrary0(Runtime.java:849)
        at java.lang.System.loadLibrary(System.java:1088)
        at com.hadoop.compression.lzo.GPLNativeCodeLoader.(GPLNativeCodeLoader.java:32)
        at com.hadoop.compression.lzo.LzoCodec.(LzoCodec.java:71)
        at java.lang.Class.forName0(Native Method)
        at java.lang.Class.forName(Class.java:270)
        at org.apache.hadoop.conf.Configuration.getClassByNameOrNull(Configuration.java:1834)
        at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:1799)
        at org.apache.hadoop.io.compress.CompressionCodecFactory.getCodecClasses(CompressionCodecFactory.java:128)
        at org.apache.hadoop.io.compress.CompressionCodecFactory.(CompressionCodecFactory.java:175)
        at org.apache.hadoop.mapred.TextInputFormat.configure(TextInputFormat.java:45)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)

16/03/30 14:46:01 ERROR LzoCodec: Cannot load native-lzo without native-hadoop

解决方法:
spark-env.sh中增加
export SPARK_SUBMIT_LIBRARY_PATH=/usr/lib/hadoop/lib/native/:$SPARK_SUBMIT_LIBRARY_PATH
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/hadoop/lib/native/
export SPARK_LIBRARY_PATH=/usr/lib/hadoop/lib/native/:$SPARK_LIBRARY_PATH
export SPARK_CLASSPATH=/usr/local/spark/lib/hadoop-lzo-cdh4-0.4.15-gplextras.jar:$CLASSPATH

后来尝试了下,保留以下两个即可:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/hadoop/lib/native/
export SPARK_CLASSPATH=/usr/local/spark/lib/hadoop-lzo-cdh4-0.4.15-gplextras.jar:$CLASSPATH

参考:
http://find.searchhub.org/document/a128707a98fe4ec6
http://lotso.blog.51cto.com/3681673/1441737
http://guoyunsky.iteye.com/blog/1237327
YARN 上运行 Spark 任务时,出现 `exitCode:-104` 错误通常与任务执行过程中资源调度、节点状态或配置问题有关。该错误表明 YARN 容器在执行过程中因某种原因被提前终止,具体原因需要结合 YARN 的诊断信息和日志进行分析。 ### 可能原因及解决方案 #### 1. 节点丢失或资源管理异常 `exitCode:-104` 通常表示容器运行的节点在任务执行过程中被标记为“lost”,这可能是由于节点宕机、网络中断或资源管理器(ResourceManager)无法与 NodeManager 通信所致[^3]。 - **解决方案**: - 检查 YARN 集群的节点健康状况,确保所有节点正常运行。 - 查看 YARN ResourceManager 和 NodeManager 的日志,确认是否存在网络问题或心跳丢失。 - 如果使用的是云平台(如 AWS EMR),检查 EC2 实例是否正常运行,是否存在自动缩容导致节点被终止的情况。 #### 2. 容器内存或资源不足 Spark 任务可能因容器内存不足、JVM 崩溃或 YARN 强制终止容器而失败。Spark 应用程序的内存设置(如 `spark.executor.memory`、`spark.driver.memory`)若配置不当,可能导致容器被 YARN 杀死。 - **解决方案**: - 调整 Spark 的内存配置,确保不超过 YARN 分配的资源限制。 - 增加 `spark.yarn.executor.memoryOverhead` 和 `spark.yarn.driver.memoryOverhead` 的值,以避免 JVM 堆外内存不足。 - 在 `spark-defaults.conf` 中启用动态资源分配:`spark.dynamicAllocation.enabled true`,以优化资源使用。 #### 3. 文件分发问题(如 `--files` 未生效) 当使用 `--files` 参数提交文件到 YARN 容器时,若提交模式为客户端模式(client mode),某些文件可能未被正确分发到执行器节点,导致任务失败[^2]。 - **解决方案**: - 使用集群模式(cluster mode)提交任务,确保 `--files` 中的文件被正确分发到所有执行器节点。 - 检查文件路径是否正确,确认文件存在于 HDFS 或本地文件系统中。 - 使用 `--conf spark.yarn.dist.files` 替代 `--files`,以确保文件被正确上传到 YARN。 #### 4. 用户目录或本地目录初始化失败 YARN 容器在启动时需要在本地磁盘上创建临时目录。如果配置的本地目录不可用或权限不足,可能导致容器启动失败并返回 `exitCode:-104`。 - **解决方案**: - 检查 `yarn.nodemanager.local-dirs` 配置项,确保指定的本地目录存在且具有写权限。 - 确认用户在 YARN 中的目录权限设置正确,避免因权限问题导致目录初始化失败[^4]。 #### 5. Spark 版本兼容性问题 某些情况下,Spark 版本升级后可能引入不兼容的配置或行为,例如时间解析器变更可能导致任务失败。 - **解决方案**: - 如果使用的是 Spark 3.0 或更高版本,可以尝试设置 `spark.sql.legacy.timeParserPolicy LEGACY` 以兼容旧版本的行为。 - 确保使用的 Spark 版本与 Hadoop、YARN 的版本兼容。 --- ### 示例配置调整(Spark on YARN 提交命令) ```bash spark-submit \ --master yarn \ --deploy-mode cluster \ --conf spark.yarn.dist.files=hdfs:///path/to/config.properties \ --conf spark.executor.memory=4g \ --conf spark.yarn.executor.memoryOverhead=512 \ --conf spark.sql.legacy.timeParserPolicy=LEGACY \ your_spark_application.py ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值