我在EMR上的火花程序经常出现这个错误：
Caused by: javax.net.ssl.SSLPeerUnverifiedException: peer not authenticated
at sun.security.ssl.SSLSessionImpl.getPeerCertificates(SSLSessionImpl.java:421)
at org.apache.http.conn.ssl.AbstractVerifier.verify(AbstractVerifier.java:128)
at org.apache.http.conn.ssl.SSLSocketFactory.connectSocket(SSLSocketFactory.java:397)
at org.apache.http.impl.conn.DefaultClientConnectionOperator.openConnection(DefaultClientConnectionOperator.java:148)
at org.apache.http.impl.conn.AbstractPoolEntry.open(AbstractPoolEntry.java:149)
at org.apache.http.impl.conn.AbstractPooledConnAdapter.open(AbstractPooledConnAdapter.java:121)
at org.apache.http.impl.client.DefaultRequestDirector.tryConnect(DefaultRequestDirector.java:573)
at org.apache.http.impl.client.DefaultRequestDirector.execute(DefaultRequestDirector.java:425)
at org.apache.http.impl.client.AbstractHttpClient.execute(AbstractHttpClient.java:820)
at org.apache.http.impl.client.AbstractHttpClient.execute(AbstractHttpClient.java:754)
at org.jets3t.service.impl.rest.httpclient.RestStorageService.performRequest(RestStorageService.java:334)
at org.jets3t.service.impl.rest.httpclient.RestStorageService.performRequest(RestStorageService.java:281)
at org.jets3t.service.impl.rest.httpclient.RestStorageService.performRestHead(RestStorageService.java:942)
at org.jets3t.service.impl.rest.httpclient.RestStorageService.getObjectImpl(RestStorageService.java:2148)
at org.jets3t.service.impl.rest.httpclient.RestStorageService.getObjectDetailsImpl(RestStorageService.java:2075)
at org.jets3t.service.StorageService.getObjectDetails(StorageService.java:1093)
at org.jets3t.service.StorageService.getObjectDetails(StorageService.java:548)
at org.apache.hadoop.fs.s3native.Jets3tNativeFileSystemStore.retrieveMetadata(Jets3tNativeFileSystemStore.java:172)
at sun.reflect.GeneratedMethodAccessor18.invoke(Unknown Source)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:606)
at org.apache.hadoop.io.retry.RetryInvocationHandler.invokeMethod(RetryInvocationHandler.java:190)
at org.apache.hadoop.io.retry.RetryInvocationHandler.invoke(RetryInvocationHandler.java:103)
at org.apache.hadoop.fs.s3native.$Proxy8.retrieveMetadata(Unknown Source)
at org.apache.hadoop.fs.s3native.NativeS3FileSystem.getFileStatus(NativeS3FileSystem.java:414)
at org.apache.hadoop.fs.FileSystem.exists(FileSystem.java:1398)
at org.apache.hadoop.fs.s3native.NativeS3FileSystem.create(NativeS3FileSystem.java:341)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:906)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:887)
at org.apache.hadoop.fs.FileSystem.create(FileSystem.java:784)
我做了一些研究，发现通过设置环境变量可以在低安全性情况下禁用此身份验证：
com.amazonaws.sdk.disableCertChecking=true
但我只能用spark-submit.sh --conf设置它，它只会影响驱动程序，而大部分错误都在工作者身上。
有没有办法将它们传播给工人？
非常感谢。
答案 0 :(得分：5)
偶然发现了Spark documentation：
中的某些内容 spark.executorEnv.[EnvironmentVariableName]
将EnvironmentVariableName指定的环境变量添加到 执行者进程。用户可以指定要设置的多个 多个环境变量。
因此，在您的情况下，我将Spark配置选项spark.executorEnv.com.amazonaws.sdk.disableCertChecking设置为true，看看是否有帮助。
答案 1 :(得分：0)
在现有答案中添加更多内容。
import pyspark
def get_spark_context(app_name):
# configure
conf = pyspark.SparkConf()
conf.set('spark.app.name', app_name)
# init & return
sc = pyspark.SparkContext.getOrCreate(conf=conf)
# Configure your application specific setting
# Set environment value for the executors
conf.set(f'spark.executorEnv.SOME_ENVIRONMENT_VALUE', 'I_AM_PRESENT')
return pyspark.SQLContext(sparkContext=sc)
SOME_ENVIRONMENT_VALUE环境变量将在执行者/工人中可用。
在您的spark应用程序中，您可以像这样访问它们：
import os
some_environment_value = os.environ.get('SOME_ENVIRONMENT_VALUE')
答案 2 :(得分：0)
基于其他答案，这是一个完整的示例（PySpark 2.4.1）。在此示例中，我强制所有工作人员在英特尔MKL内核库中每个内核仅产生一个线程：
import pyspark
conf = pyspark.conf.SparkConf().setAll([
('spark.executorEnv.OMP_NUM_THREADS', '1'),
('spark.workerEnv.OMP_NUM_THREADS', '1'),
('spark.executorEnv.OPENBLAS_NUM_THREADS', '1'),
('spark.workerEnv.OPENBLAS_NUM_THREADS', '1'),
('spark.executorEnv.MKL_NUM_THREADS', '1'),
('spark.workerEnv.MKL_NUM_THREADS', '1'),
])
spark = pyspark.sql.SparkSession.builder.config(conf=conf).getOrCreate()
# print current PySpark configuration to be sure
print("Current PySpark settings: ", spark.sparkContext._conf.getAll())
答案 3 :(得分：0)
对于spark 2.4，@ Amit Kushwaha的方法不起作用。
我已经测试过：
spark-submit --conf spark.executorEnv.DEBUG=1 --conf spark.appMasterEnv.DEBUG=1 --conf spark.yarn.appMasterEnv.DEBUG=1 --conf spark.yarn.executorEnv.DEBUG=1 main.py
spark-submit --deploy-mode=client --conf spark.executorEnv.DEBUG=1 --conf spark.appMasterEnv.DEBUG=1 --conf spark.yarn.appMasterEnv.DEBUG=1 --conf spark.yarn.executorEnv.DEBUG=1 main.py
以上均不能将环境变量设置为执行程序系统（又名os.environ.get('DEBUG')无法读取）。
提交：
spark-submit --conf DEBUG=1 main.py
获取变量：
DEBUG = spark.conf.get('DEBUG')