学习Spark——那些让你精疲力尽的坑
這一個月我都干了些什么……
工作上，還是一如既往的寫bug并不亦樂乎的修bug。學習上，最近看了一些非專業書籍，時常在公眾號（JackieZheng）上寫點小感悟，我剛稍稍瞄了下，最近五篇居然都跟技術無關，看來我與本行業已經是漸行漸遠了。
所以，趁著這篇博客，重拾自己，認清自己，要時刻謹記我是一名碼農。不過，摸著良心說，最近的技術方面也是有所感悟和積累的，比如如何寫好設計文檔，如何使用延時隊列，如何使用防刷技術等等。當然了，今天我們還是沿著“學習Spark”這條路繼續走下去。
上篇主要介紹了在Mac下如何下載安裝Hadoop、Scala和Spark并成功啟動環境。文章結尾慶幸沒有遇到大坑，事實證明不是沒有遇到，只是時間還沒到，這篇就介紹下自己遇到的各種坑。我不知道各位是否遇到過并能輕松解決，反正我是被這些小問題搞得精疲力盡，故在此總結以備忘。
1.1 Scala與Intellij集成報錯
在Scala安裝成功后，準備到Intellij上寫Scala代碼，發現Scala都配好了（關于如何配置，網上資料很多），結果運行Scala程序時報錯。
錯誤：Error:scalac: Multiple 'scala-library*.jar' files (scala-library.jar, scala-library.jar, scala-library.jar) in Scala compiler classpath in Scala SDK scala-sdk-2.12.2
解決方法：在OverStackflow上找到了思路。在Intellij中打開project structure，刪除已有的Scala的路徑（我的Scala是安裝在/usr/local/Cellar/scala/2.12.2路徑下的）,重新添加/usr/local/Cellar/scala/2.12.2/idea/lib目錄即可。
改動前
改動后
1.2 Scala語法Intellij不認
在Intellij中寫了一個Scala的HelloWorld，代碼如下
/*** Created by jackie on 17/5/7.*/ package com.jackie.scala.s510object HelloWorld {def main(args: Array[String]): Unit = {println("hello world")println(increaseAnother(5));println(Array(1,2,3,4).map{(x:Int)=>x+1}.mkString(","));println(Array(1,2,3,4) map{(x:Int)=>x+1} mkString(","));println(Array(1,2,3,4) map{(x:Int)=>x+1} mkString(","));// test objectvar person = new Person()person.name_=("john") // name_=()對應java中的setter方法println("Person name:" + person.name)person.name = "Jackie"println("Person name:" + person.name)var mp = new MyPerson()mp.name_("alihaha")println("MyPerson name:" + person.name)var pwp = new PersonWithParam("Jackie", 18)println("PersonWithParam:" + pwp.toString())}def increaseAnother(x: Int): Int = x + 1}運行的時候，報錯mkString無法識別。
錯誤：mkString can't be resolved
解決方法：需要交代下我各個環境的版本參數，Intellij-14.0， jdk-8， scala-2.12.2。但是在Intellij中能選擇的Scala最高版本只有2.11，所有后來將Intellij升級到2017.1版本，這時候還報錯Error:scalac: Error: org.jetbrains.jps.incremental.scala.remote.ServerException，然后在Intellij中打開project structure，將scala由2.12.2換成2.11.7，問題解決。
1.3 Spark與Intellij集成的問題
Spark環境都安裝好了，所以想在Intellij中運行Spark程序，但是在添加了Spark的相關依賴后，發現無法編譯通過。
錯誤：Exception NoSuchMethodError: com.google.common.collect.MapMaker.keyEquivalence
解決方法：實現聲明，之前在maven中一直引用的都是spark-core2.10，這時候報錯，我定位問題出在Guava上，然后找到所有間接依賴了Guava的jar，都exclude，問題還是沒有解決。期間添加了Spark的很多依賴，試了都不行，最后試了下Spark-core2.11，問題解決（有的時候版本的兼容性真的很坑）。
1.4 hadoop上傳本地文件到HDFS
如果想將本地文件上傳到HDFS，使用hadoop fs -put localDir hdfsDir，前提是保證hadoop啟動。
錯誤：
解決方法：進入hadoop安裝目錄（我的是/usr/local/Cellar/hadoop）進入sbin下執行./start-all.sh啟動hadoop服務。
1.5 Spark啟動
上篇在配置Spark時沒有配置spark-defaults.conf文件，所以在Spark安裝目錄下（我的是/usr/local/Spark）啟動./start-all.sh出錯。
錯誤：
解決方法：將Spark安裝目錄下的conf中的spark-defaults.conf.template拷貝一份出來，重命名為spark-defaults.conf，按照https://sanwen8.cn/p/3bac5Bj.html配置好，再啟動Spark，發現還是報錯
https://sanwen8.cn/p/3bac5Bj.html Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties Setting default log level to "WARN". To adjust logging level use sc.setLogLevel(newLevel). 17/05/13 14:19:12 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/13 14:19:15 ERROR SparkContext: Error initializing SparkContext. java.net.ConnectException: Call From jackies-MacBook-Pro.local/192.168.73.56 to 192.168.73.56:8021 failed on connection exception: java.net.ConnectException: Connection refused; For more details see: http://wiki.apache.org/hadoop/ConnectionRefusedat sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)于是按照StackOverflow，將spark-defaults.conf中的spark.eventLog.enabled由true改為false，之后再啟動成功。
注意：這里我反復配置了localhost和自己的ip，來回切換，最終證明只要在/etc/hosts中配置好ip對應映射的名稱，可以直接用名稱即可，不用寫ip，而且要保持hadoop中的配置文件和spark中的配置文件要一致，否則針對會精疲力盡。
1.6 將運算任務交給Spark運行的報錯
運行下面的一個Demo程序
package com.jackie.scala.s513;import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaPairRDD; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.FlatMapFunction; import org.apache.spark.api.java.function.Function2; import org.apache.spark.api.java.function.PairFunction; import scala.Tuple2;import java.util.Arrays; import java.util.Iterator; import java.util.List; import java.util.regex.Pattern;/*** Created by jackie on 17/5/13.*/ public class Simple {private static final Pattern SPACE = Pattern.compile(" ");public static void main(String[] args) throws Exception {//創建一個RDD對象SparkConf conf=new SparkConf().setAppName("Simple").setMaster("local");//創建spark上下文對象，是數據的入口JavaSparkContext spark=new JavaSparkContext(conf);//獲取數據源JavaRDD<String> lines = spark.textFile("hdfs://jackie:8020/");/*** 對于從數據源得到的DStream，用戶可以在其基礎上進行各種操作，* 對于當前時間窗口內從數據源得到的數據首先進行分割，* 然后利用Map和ReduceByKey方法進行計算，當然最后還有使用print()方法輸出結果；*/JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {@Overridepublic Iterator<String> call(String s) {return Arrays.asList(SPACE.split(s)).iterator();}});//使用RDD的map和reduce方法進行計算JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {@Overridepublic Tuple2<String, Integer> call(String s) {return new Tuple2<String, Integer>(s, 1);}});JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {@Overridepublic Integer call(Integer i1, Integer i2) {return i1 + i2;}});List<Tuple2<String, Integer>> output = counts.collect();for (Tuple2<?,?> tuple : output) {//輸出計算結果System.out.println(tuple._1() + ": " + tuple._2());}spark.stop();} }這個程序需要讀取HDFS上根目錄下的README.md文件，但是在此之前我執行了"hadoop namenode -format"（注意，這個操作引起了后面的一系列問題）。所以就準備重新使用hadoop fs -put localDir hdfsDir上傳README.md，結果這時候報錯
錯誤：
后來發現是datanode沒有啟動，然后開始找datanode沒有啟動的原因，在這里http://www.aboutyun.com/thread-7931-1-1.html
文中解釋：當我們執行文件系統格式化時，會在namenode數據文件夾（即配置文件中dfs.name.dir在本地系統的路徑）中保存一個current/VERSION文件，記錄namespaceID，標識了所格式化的 namenode的版本。如果我們頻繁的格式化namenode，那么datanode中保存（即配置文件中dfs.data.dir在本地系統的路徑）的current/VERSION文件只是你第一次格式化時保存的namenode的ID，因此就會造成datanode與namenode之間的id不一致。
解決方法：采取的做法是根據執行hadoop namenode –format得到成功的提示。
這時候再執行jps命令，我們就可以看到datanode了
類似的，同樣是在執行hadoop fs -put /Users/jackie/Documents/doc/README.md /是報錯如下
hadoop fs -put /Users/jackie/Documents/doc/README.md / 17/05/15 09:51:04 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/15 09:51:05 WARN ipc.Client: Failed to connect to server: jackie/192.168.73.56:8020: try once and fail. java.net.ConnectException: Connection refusedat sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:717)at org.apache.hadoop.net.SocketIOWithTimeout.connect(SocketIOWithTimeout.java:206)at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:531)at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:495)at org.apache.hadoop.ipc.Client$Connection.setupConnection(Client.java:681)at org.apache.hadoop.ipc.Client$Connection.setupIOstreams(Client.java:777)at org.apache.hadoop.ipc.Client$Connection.access$3500(Client.java:409)一開始以為是ip的配置問題，但是反復修改無果，后來發現使用jps時，沒有啟動namenode，于是在網上找http://blog.csdn.net/bychjzh/article/details/7830508
于是在/usr/local/Cellar/hadoop/hdfs下刪除原來在core-site.xml中配置的tmp目錄，然后新建了hadoop_tmp目錄，并在core-site.xml中修改成
并執行hadoop namenode –format，最后在使用start-all.sh啟動所有的服務，執行上傳文件成功
如果您覺得閱讀本文對您有幫助，請點一下“推薦”按鈕，您的“推薦”將是我最大的寫作動力！如果您想持續關注我的文章，請掃描二維碼，關注JackieZheng的微信公眾號，我會將我的文章推送給您，并和您一起分享我日常閱讀過的優質文章。
轉載于:https://www.cnblogs.com/bigdataZJ/p/hellospark2.html
總結
以上是生活随笔為你收集整理的学习Spark——那些让你精疲力尽的坑的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Selenium Web 自动化 - 项
- 下一篇： elk系列5之syslog的模块使用