Spark 流式传输作业在被驱动程序停止后失败

Posted 2023-03-10

【中文标题】Spark 流式传输作业在被驱动程序停止后失败

【英文标题】：Spark streaming job fails after getting stopped by Driver

【发布时间】：2016-05-09 12:54:46

【问题描述】：

我有一个 spark 流作业，它从 Kafka 读取数据并对其进行一些操作。我在纱线集群 Spark 1.4.1 上运行该作业，该集群有两个节点，每个节点有 16 GB RAM，每个节点有 16 个内核。

我已将这些 conf 传递给 spark-submit 作业：

--master yarn-cluster --num-executors 3 --driver-memory 4g --executor-memory 2g --executor-cores 3

作业返回此错误并在运行一小会后完成：

INFO yarn.ApplicationMaster: Final app status: FAILED, exitCode: 11,
(reason: Max number of executor failures reached)

.....

ERROR scheduler.ReceiverTracker: Deregistered receiver for stream 0:
Stopped by driver

更新：

这些日志也被发现了：

INFO yarn.YarnAllocator: Received 3 containers from YARN, launching executors on 3 of them.....

INFO yarn.ApplicationMaster$AMEndpoint: Driver terminated or disconnected! Shutting down.

....

INFO yarn.YarnAllocator: Received 2 containers from YARN, launching executors on 2 of them.

INFO yarn.ExecutorRunnable: Starting Executor Container.....

INFO yarn.ApplicationMaster$AMEndpoint: Driver terminated or disconnected! Shutting down...

INFO yarn.YarnAllocator: Completed container container_e10_1453801197604_0104_01_000006 (state: COMPLETE, exit status: 1)

INFO yarn.YarnAllocator: Container marked as failed: container_e10_1453801197604_0104_01_000006. Exit status: 1. Diagnostics: Exception from container-launch.
Container id: container_e10_1453801197604_0104_01_000006
Exit code: 1
Stack trace: ExitCodeException exitCode=1: 
    at org.apache.hadoop.util.Shell.runCommand(Shell.java:576)
    at org.apache.hadoop.util.Shell.run(Shell.java:487)
    at org.apache.hadoop.util.Shell$ShellCommandExecutor.execute(Shell.java:753)
    at org.apache.hadoop.yarn.server.nodemanager.DefaultContainerExecutor.launchContainer(DefaultContainerExecutor.java:211)
    at org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch.call(ContainerLaunch.java:302)
    at org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.ContainerLaunch.call(ContainerLaunch.java:82)
    at java.util.concurrent.FutureTask.run(FutureTask.java:266)
    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
    at java.lang.Thread.run(Thread.java:745)

Container exited with a non-zero exit code 1

这可能是什么原因？感谢您的帮助。

谢谢

【问题讨论】：

在此之前您可能还有其他一些错误/信息，听起来像 killing executor, lost executor 。您可以在日志中查找并发布这些错误消息吗？

@RaduIonescu 我添加了一些对我来说看起来很投机的日志。你能看看吗。谢谢。

在我看来，您要么调用 sparkContext.stop()，要么在驱动程序中使用了太多内存（例如，在整个 _RDD_s 上调用 collect()）。您可以尝试运行它，显式需要更多资源或使用小数据集来确认这一点。

我都试过了。即使数据集很小，它也会发生

你在使用 YARN 日志聚合吗？将 yarn.log-aggregation-enable 设置为 true。

【参考方案1】：

我遇到了同样的问题。我找到了一种解决方案来解决这个问题，方法是在main 函数的末尾删除sparkContext.stop()，将stop 操作留给GC。

Spark 团队已在 Spark 核心中解决了该问题，但到目前为止，该修复只是 master 分支。我们需要等到修复程序更新到新版本中。

https://issues.apache.org/jira/browse/SPARK-12009

【讨论】：

顺便说一句，我没有在我的代码中调用 sparkContext.stop()。

【参考方案2】：

能否请您展示您从 kafka 读取的 scala/java 代码？我怀疑您可能没有正确创建 SparkConf。

试试类似的东西

SparkConf sparkConf = new SparkConf().setAppName("ApplicationName");

还可以尝试在 yarn-client 模式下运行应用程序并共享输出。

【讨论】：

val conf = new SparkConf().setAppName("AppName") 这就是我在 scala 代码中创建 spark conf 的方式。我现在在一个独立的集群中运行，因为这个错误让我很头疼。所以不能在yarn-client模式下尝试

只是为了深入了解您的问题，您可以在 yarn-client 模式下运行 spark-shell。

像 spark-shell --master yarn-client 一样运行 spark shell 执行示例操作并查看 val textFile = sc.textFile("file on hdfs") textFile.count()