Question

我在项目中使用Spark Streaming（Spark V1.6.0）和HBase，HBase（HBase V1.1.2）配置在具有广播变量的执行程序之间传输。 Spark Streaming应用程序最初工作，大约2天后，将出现异常。

  val hBaseContext: HBaseContext = new HBaseContext(sc, HBaseCock.hBaseConfiguration())
  private def _materialDStream(dStream: DStream[(String, Int)], columnName: String, batchSize: Int) = {
    hBaseContext.streamBulkIncrement[(String, Int)](
      dStream,
      hTableName,
      (t) => {
        val rowKey = t._1
        val incVal = t._2
        val increment = new Increment(Bytes.toBytes(rowKey))
        increment.addColumn(Bytes.toBytes(hFamily), Bytes.toBytes(columnName), incVal)
        increment
      }, batchSize)
  }

可以找到HBaseContext的整个源文件HBaseContext.scala，下面可以找到一些代码段。

经过几天的运行后，将出现异常，堆栈跟踪为：

Unable to getConfig from broadcast
16/02/01 10:08:10 ERROR Executor: Exception in task 3.0 in stage 187175.0 (TID 561527)

逻辑如下：

使用config（HBaseContext）创建HBaseContext并广播配置（如果指定了文件路径，则将配置保存到文件中）
在连接HBase之前，首先检查字段配置是否为空，如果是，则从指定文件中恢复，或者如果没有指定文件路径，则从广播变量恢复。

从广播变量恢复配置时出现问题，并且在“configBroadcast.value.value”中从广播中读取值时发生异常。

我想如果master失败则Spark Streaming不会恢复广播变量，而getOrCreate（）则用于获取SparkStreaming实例。我对HBaseContext.scala源代码更感兴趣，该文件首选广播变量来恢复值。那么在Spark Streaming中使用广播的最佳做法是什么？我是否需要将它们存储在文件中，比如HDFS中的文件？

class HBaseContext(@transient sc: SparkContext, @transient config: Configuration, val tmpHdfsConfgFile: String = null) extends Serializable{
    @transient var tmpHdfsConfiguration: Configuration = config

    val broadcastedConf = sc.broadcast(new SerializableWritable(config))

    if(tmpHdfsConfgFile != null && config != null){
      // save config to file
    }

    private def getConf(configBroadcast: Broadcast[SerializableWritable[Configuration]]): Configuration = {

      if (tmpHdfsConfiguration != null) {
        tmpHdfsConfiguration
      } else if (tmpHdfsConfgFile != null) {
        // read config from file

        tmpHdfsConfiguration
      }
      if (tmpHdfsConfiguration == null) {
        try {
          // Exception happens here!!!
          tmpHdfsConfiguration = configBroadcast.value.value
          tmpHdfsConfiguration
        } catch {
          case ex: Exception => {
            println("Unable to getConfig from broadcast")
          }
        }
      }
    tmpHdfsConfiguration
  }
}

Answer 1

由于某种原因重新启动spark作业后，广播变量会重置。或者在作业失败后，驱动程序与尝试重新关联。

如果是流式传输作业，要使用广播变量，应该在创建StreamingContext之前从sprarkContext初始化广播。这将确保在流媒体开始时广播变量可用。

function setItemValue(node) {
  $s('P2020_SELECTED', node);              
  apex.server.process('MY_PROCESS',{
    pageItems: '#P2020_SELECTED'
  },{dataType: "text"});
}

为什么在Spark Streaming中读取广播变量在运行几天后出现异常？

1 个答案: