Question

我正在尝试将Spark流输出保存到HDFS上的文件中。现在，它没有保存任何文件。

这是我的代码：

StreamingExamples.setStreamingLogLevels();

SparkConf sparkConf = new SparkConf().setAppName("MyTestCOunt");
JavaStreamingContext ssc = new JavaStreamingContext(sparkConf,  new Duration(1000));

JavaReceiverInputDStream<String> lines = ssc.socketTextStream(args[0], Integer.parseInt(args[1]), StorageLevels.MEMORY_AND_DISK_SER);
JavaDStream<String> words = lines.flatMap(new FlatMapFunction<String, String>() {
                @Override
                public Iterable<String> call(String x) {
                 return  Lists.newArrayList(SPACE.split(x));
                }
      });

JavaPairDStream<String, Integer> wordCounts = words.mapToPair(
      new PairFunction<String, String, Integer>() {
        @Override
        public Tuple2<String, Integer> call(String s) {
                 return new Tuple2<String, Integer>(s, 1);
        }
      }).reduceByKey(new Function2<Integer, Integer, Integer>() {
        @Override
        public Integer call(Integer i1, Integer i2) {
          return i1 + i2;
        }
  }); 


wordCounts.print();
wordCounts.saveAsHadoopFiles("hdfs://mynamenode:8020/user/spark/mystream/","abc");
ssc.start();
ssc.awaitTermination();

wordCounts.print()有效，但不是wordCounts.saveAsHadoopFiles，有什么想法吗？

我在命令下运行：

1）nc -lk 9999

2）./bin/run-example org.apache.spark.examples.streaming.NetworkWordCount localhost 9999

提前致谢.. !!!

Answer 1

我通过将master指定为local[x] x > 1来解决同样的问题。如果您将master作为本地运行，则Spark无法分配插槽来执行任务。喜欢

SparkConf conf = new SparkConf().setAppName("conveyor").setMaster("local[4]");

Answer 2

尝试：

wordCounts.dstream().saveAsTextFiles("hdfs://mynamenode:8020/user/spark/mystream/", "abc");

代替：

wordCounts.saveAsHadoopFiles("hdfs://mynamenode:8020/user/spark/mystream/","abc");

Answer 3

JavaDStream<String> lines; 用我们的数据初始化线。

`

lines.foreachRDD(new VoidFunction<JavaRDD<String>>() {
    public void call(JavaRDD<String > rdd) throws Exception {
    Date today = new Date();
    String date = (new SimpleDateFormat("dd-MM-yyyy").format(today));
    rdd.saveAsTextFile(OUTPUT_LOCATION+"/"+date+"/");
    }});

`

Answer 4

我通过将Sandbox / Server时区更改为我的本地时区来解决此问题，因为我的Twitter帐户有GMT而我的Sandbox有UTC。我使用以下命令更改了我的Sandbox时区：

ntpdate pool.ntp.org
chkconfig ntpd on
ntpdate pool.ntp.org
/etc/init.d/ntpd start
date

在时区更改后，我还没有重新启动我的Hadoop服务。

Spark流输出未保存到HDFS文件

4 个答案: