在hadoop yarn上运行spark报错

参照相关教程,在yarn-site.xml配置文件中进行调整,并执行重启和集群格式化操作,成功解决了Spark在Hadoop YARN上运行时遇到的错误。
hduser@master:/usr/local/hadoop/etc/hadoop$ HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop/ pyspark --master yarn --deploy-mode client
Python 2.7.14 |Anaconda, Inc.| (default, Dec  7 2017, 17:05:42) 
[GCC 7.2.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
18/06/15 10:25:33 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
18/06/15 10:25:39 WARN Client: Neither spark.yarn.jars nor spark.yarn.archive is set, falling back to uploading libraries under SPARK_HOME.
18/06/15 10:26:39 ERROR YarnClientSchedulerBackend: Yarn application has already exited with state FINISHED!
18/06/15 10:26:39 ERROR TransportClient: Failed to send RPC 7707247702813566843 to /10.200.68.191:56658: java.nio.channels.ClosedChannelException
java.nio.channels.ClosedChannelException
    at io.netty.channel.AbstractChannel$AbstractUnsafe.write(...)(Unknown Source)
18/06/15 10:26:39 ERROR YarnSchedulerBackend$YarnSchedulerEndpoint: Sending RequestExecutors(0,0,Map(),Set()) to AM was unsuccessful
java.io.IOException: Failed to send RPC 7707247702813566843 to /10.200.68.191:56658: java.nio.channels.ClosedChannelException
    at org.apache.spark.network.client.TransportClient.lambda$sendRpc$2(TransportClient.java:237)
    at io.netty.util.concurrent.DefaultPromise.notifyListener0(DefaultPromise.java:507)
    at io.netty.util.concurrent.DefaultPromise.notifyListenersNow(DefaultPromise.java:481)
    at io.netty.util.concurrent.DefaultPromise.access$000(DefaultPromise.java:34)
    at io.netty.util.concurrent.DefaultPromise$1.run(DefaultPromise.java:431)
    at io.netty.util.concurrent.AbstractEventExecutor.safeExecute(AbstractEventExecutor.java:163)
    at io.netty.util.concurrent.SingleThreadEventExecutor.runAllTasks(SingleThreadEventExecutor.java:403)
    at io.netty.channel.nio.NioEventLoop.run(NioEventLoop.java:463)
    at io.netty.util.concurrent.SingleThreadEventExecutor$5.run(SingleThreadEventExecutor.java:858)
    at io.netty.util.concurrent.DefaultThreadFactory$DefaultRunnableDecorator.run(DefaultThreadFactory.java:138)
    at java.lang.Thread.run(Thread.java:748)
Caused by: java.nio.channels.ClosedChannelException
    at io.netty.channel.AbstractChannel$AbstractUnsafe.write(...)(Unknown Source)
18/06/15 10:26:39 ERROR Utils: Uncaught exception in thread Yarn application state monitor
org.apache.spark.SparkException: Exception thrown in awaitResult: 
    at org.apache.spark.util.ThreadUtils$.awaitResult(ThreadUtils.scala:205)
    at org.apache.spark.rpc.RpcTimeout.awaitResult(RpcTimeout.scala:75)
    at org.apache.spark.scheduler.cluster.CoarseGrainedSchedulerBackend.requestTotalExecutors(CoarseGrainedSchedulerBackend.scala:566)
    at org.apache.spark.scheduler.cluster.YarnSchedulerBackend.stop(YarnSchedulerBackend.scala:95)
    at org.apache.spark.scheduler.cluster.YarnClientSchedulerBackend.stop(YarnClientSchedulerBackend.scala:155)
    at org.apache.spark.scheduler.TaskSchedulerImpl.stop(TaskSchedulerImpl.scala:508)
    at org.apache.spark.scheduler.DAGScheduler.stop(DAGScheduler.scala:1752)
    at org.apache.spark.SparkContext$$anonfun$stop$8.apply$mcV$sp(SparkContext.scala:1924)
    at org.apache.spark.util.Utils$.tryLogNonFatalError(Utils.scala:1357)
    at org.apache.spark.SparkContext.stop(SparkContext.scala:1923)
    at org.apache.spark.scheduler.cluster.YarnClientSchedulerBackend$MonitorThread.run(YarnClientSchedulerBackend.scala:112)
Caused by: java.io.IOException: Failed to send RPC 7707247702813566843 to /10.200.68.191:56658: java.nio.channels.ClosedChannelException
    at org.apache.spark.network.client.TransportClient.lambda$sendRpc$2(TransportClient.java:237)
    at io.netty.util.concurrent.DefaultPromise.notifyListener0(DefaultPromise.java:507)
    at io.netty.util.concurrent.DefaultPromise.notifyListenersNow(DefaultPromise.java:481)
    at io.netty.util.concurrent.DefaultPromise.access$000(DefaultPromise.java:34)
    at io.netty.util.concurrent.DefaultPromise$1.run(DefaultPromise.java:431)
    at io.netty.util.concurrent.AbstractEventExecutor.safeExecute(AbstractEventExecutor.java:163)
    at io.netty.util.concurrent.SingleThreadEventExecutor.runAllTasks(SingleThreadEventExecutor.java:403)
    at io.netty.channel.nio.NioEventLoop.run(NioEventLoop.java:463)
    at io.netty.util.concurrent.SingleThreadEventExecutor$5.run(SingleThreadEventExecutor.java:858)
    at io.netty.util.concurrent.DefaultThreadFactory$DefaultRunnableDecorator.run(DefaultThreadFactory.java:138)
    at java.lang.Thread.run(Thread.java:748)
Caused by: java.nio.channels.ClosedChannelException
    at io.netty.channel.AbstractChannel$AbstractUnsafe.write(...)(Unknown Source)
Traceback (most recent call last):
  File "/usr/local/spark/python/pyspark/shell.py", line 45, in <module>
    spark = SparkSession.builder\
  File "/usr/local/spark/python/pyspark/sql/session.py", line 183, in getOrCreate
    session._jsparkSession.sessionState().conf().setConfString(key, value)
  File "/usr/local/spark/python/lib/py4j-0.10.6-src.zip/py4j/java_gateway.py", line 1160, in __call__
  File "/usr/local/spark/python/pyspark/sql/utils.py", line 79, in deco
    raise IllegalArgumentException(s.split(': ', 1)[1], stackTrace)
pyspark.sql.utils.IllegalArgumentException: u"Error while instantiating 'org.apache.spark.sql.hive.HiveSessionStateBuilder':"
>>> sc.master
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'sc' is not defined

参照
https://www.cnblogs.com/tibit/p/7337045.html
https://blog.youkuaiyun.com/pucao_cug/article/details/72453382
在yarn-site.xml里增加

<property>
  <name>yarn.nodemanager.vmem-check-enabled</name>
  <value>false</value>
</property>

重启 格式化集群 问题解决
这里写图片描述

YARN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 HadoopYARN 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 1
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