Question

我使用启用了检查点的pyspark流式传输。第一次启动成功，但重启时崩溃时出现错误：

INFO scheduler.DAGScheduler：ResultStage 6（PythonRDD.scala中的runJob：441）由于阶段失败导致Job中止，因此在1160秒内失败：阶段6.0中的任务0失败4次，最近失败：阶段失去任务0.3 6.0（TID 86，h-1.e-contenta.com，executor 2）：org.apache.spark.api.python.PythonException： Traceback（最近一次调用最后一次）：文件＆＃34; /data1/yarn/nm/usercache/appcache/application_1481115309392_0229/container_1481115309392_0229_01_000003/pyspark.zip/pyspark/worker.py" ;,第163行，主要 func，profiler，deserializer，serializer = read_command（pickleSer，infile）文件＆＃34; /data1/yarn/nm/usercache/appcache/application_1481115309392_0229/container_1481115309392_0229_01_000003/pyspark.zip/pyspark/worker.py"，第56行，在read_command中 command = serializer.loads（command.value）文件＆＃34; /data1/yarn/nm/usercache/appcache/application_1481115309392_0229/container_1481115309392_0229_01_000003/pyspark.zip/pyspark/serializers.py" ;,第431行，在load中返回pickle.loads（obj，encoding = encoding） ImportError：没有名为...
的模块

通过spark context addPyFile（）

添加的Python模块

def create_streaming():
"""
Create streaming context and processing functions
:return: StreamingContext
"""
sc = SparkContext(conf=spark_config)
zip_path = zip_lib(PACKAGES, PY_FILES)
sc.addPyFile(zip_path)
ssc = StreamingContext(sc, BATCH_DURATION)

stream = KafkaUtils.createStream(ssc=ssc, zkQuorum=','.join(ZOOKEEPER_QUORUM),
                                      groupId='new_group',
                                      topics={topic: 1})

stream.checkpoint(BATCH_DURATION)
stream = stream \
    .map(lambda x: process(ujson.loads(x[1]), geo_data_bc_value)) \
    .foreachRDD(lambda_log_writer(topic, schema_bc_value))

ssc.checkpoint(STREAM_CHECKPOINT)
return ssc

if __name__ == '__main__':
ssc = StreamingContext.getOrCreate(STREAM_CHECKPOINT, lambda: create_streaming())
ssc.start()
ssc.awaitTermination()

Answer 1

对不起，这是我的错误。

试试这个：

if __name__ == '__main__':
    ssc = StreamingContext.getOrCreate('', None)
    ssc.sparkContext.addPyFile()

    ssc.start()
    ssc.awaitTermination()

从检查点恢复pyspark流

1 个答案: