Question

简而言之

我想配置我的应用程序使用lz4压缩而不是snappy，我做的是：

session = SparkSession.builder()
        .master(SPARK_MASTER) //local[1]
        .appName(SPARK_APP_NAME)
        .config("spark.io.compression.codec", "org.apache.spark.io.LZ4CompressionCodec")
        .getOrCreate();

但是看一下控制台输出，它仍然在执行器中使用snappy

org.apache.parquet.hadoop.codec.CodecConfig: Compression: SNAPPY

和

[Executor task launch worker-0] compress.CodecPool (CodecPool.java:getCompressor(153)) - Got brand-new compressor [.snappy]

根据this post，我在这里所做的只是配置驱动程序，而不是执行程序。帖子上的解决方案是更改spark-defaults.conf文件，但我在本地模式下运行spark，我在任何地方都没有该文件。

更多细节：

我需要以本地模式运行应用程序（用于单元测试）。测试在我的机器上本地工作正常，但是当我将测试提交给构建引擎（RHEL5_64）时，我收到了错误

snappy-1.0.5-libsnappyjava.so: /usr/lib64/libstdc++.so.6: version `GLIBCXX_3.4.9' not found

我做了一些研究，似乎最简单的解决方法是使用lz4而不是snappy用于编解码器，所以我尝试了上面的解决方案。

我已经被困在这个问题上几个小时了，感谢任何帮助，谢谢。

Answer 1

我在这里所做的只是配置驱动程序，而不是执行程序。

在local模式下，只有一个JVM承载驱动程序和执行程序线程。

spark-defaults.conf文件，但是我在本地模式下运行spark，我在任何地方都没有这个文件。

模式与此无关。 local模式下的Spark使用相同的配置文件。如果您转到存储Spark二进制文件的目录，您应该看到conf目录：

spark-2.2.0-bin-hadoop2.7 $ ls
bin  conf  data  examples  jars  LICENSE  licenses  NOTICE  python  R  README.md  RELEASE  sbin  yarn

在这个目录中有一堆模板文件：

spark-2.2.0-bin-hadoop2.7 $ ls conf 
docker.properties.template  log4j.properties.template    slaves.template               spark-env.sh.template

fairscheduler.xml.template metrics.properties.template spark-defaults.conf.template

如果您要将配置选项复制spark-defaults.conf.template设置为spark-defaults.conf并根据您的要求进行修改。

Answer 2

在这里发布我的解决方案，@ user8371915确实回答了这个问题，但没有解决我的问题，因为在我的情况下我无法修改属性文件。

我最终要做的是添加另一个配置

session = SparkSession.builder()
        .master(SPARK_MASTER) //local[1]
        .appName(SPARK_APP_NAME)
        .config("spark.io.compression.codec", "org.apache.spark.io.LZ4CompressionCodec")
        .config("spark.sql.parquet.compression.codec", "uncompressed")
        .getOrCreate();

如何在Spark本地模式下配置Executor

简而言之

更多细节：

2 个答案: