我正在运行带有2个Worker的spark集群,每个都有60GB。
我在下面写了JdbcRDD的代码。
String sql = "SELECT * FROM( SELECT ROW_NUMBER() OVER(ORDER BY (SELECT 1)) AS Row,"+
" * FROM [Table_1]) A WHERE Row >= ? AND Row <= ? ";
SparkContext sctx = new SparkContext(getSparkConf());
try {
JdbcRDD<List> jdbcRdd = new JdbcRDD(sctx,new GetJDBCConnection(),sql,0, rowCount, 200, new GetJDBCResult(),scala.reflect.ClassTag$.MODULE$.AnyRef());
Object[] bb = (Object[])jdbcRdd.collect();
System.out.println("Length of Object array : "+bb.length);
System.out.println("JdbcRDD:- "+bb);
} catch(Exception e) {
e.printStackTrace();
}
和GetJdbcResult的代码是
class GetJDBCResult extends AbstractFunction1<ResultSet, List> implements Serializable{
private static final long serialVersionUID = -78825308090L;
public List apply(ResultSet rs) {
Object result = null;
List lst = new ArrayList();
try {
System.out.println("In apply method");
System.out.println("resultSet : -"+rs);
int cols = rs.getMetaData().getColumnCount();
System.out.println("no of columns : "+cols);
for(int i=1;i<=cols;i++) {
result = rs.getObject(i);
System.out.println("Object : -"+result);
lst.add(result);
}
System.out.println("result->" + lst);
} catch (SQLException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
return lst;
}
}
上面的代码运行正常我在独立模式(本地*)上运行Spark但是如果使用集群环境,那么它会抛出以下错误:
org.apache.spark.SparkException: Job aborted due to stage failure: Task 7 in stage 0.0 failed 4 times, most recent failure: Lost task 7.3 in stage 0.0 (TID 39, DD1AI7511): java.lang.NullPointerException:
org.apache.spark.rdd.JdbcRDD$$anon$1.<init>(JdbcRDD.scala:74)
org.apache.spark.rdd.JdbcRDD.compute(JdbcRDD.scala:70)
org.apache.spark.rdd.JdbcRDD.compute(JdbcRDD.scala:50)
org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:262)
org.apache.spark.rdd.RDD.iterator(RDD.scala:229)
org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:62)
org.apache.spark.scheduler.Task.run(Task.scala:54)
org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:177)
java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1110)
java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:603)
java.lang.Thread.run(Thread.java:722)
驱动程序堆栈跟踪:
工作日志上没有跟踪/日志。 我在这里做错了吗? 有人有任何想法吗?
答案 0 :(得分:0)
如果你看一下JdbcRDD中的第74行,很明显这是由于数据库连接为空。
由于它在本地但不在群集中工作,因此请检查群集实例是否可以访问数据库。如果这是在EC2中,请确保您的防火墙规则正确。还要确保spark群集与数据库在同一个VPC中运行。验证这一点的最佳方法是通过SSH连接到您的某个spark slave节点,看看是否可以从那里远程连接到数据库。