java Web提交Spark任务(todo)

参考文件:Java Web提交任务到Spark Spark通过Java Web提交任务

windows7 (包含JDK1.8,MyEclipse2014,IntelliJ IDEA14,TOmcat7);

centos6.6虚拟机(Hadoop伪分布式集群,Spark standAlone集群,JDK1.8);

centos7虚拟机(Tomcat,JDK1.8);

1.场景
1. windows简单Java程序调用Spark,执行Scala开发的Spark程序,这里包含两种模式:

    1> 提交任务到Spark集群,使用standAlone模式执行;

    2> 提交任务到Yarn集群,使用yarn-client的模式;

2. windows 开发Java web程序调用Spark,执行Scala开发的Spark程序,同样包含两种模式,参考1.

3. Linux运行java web程序调用Spark,执行Scala开发的Spark程序,包含两种模式,参考1.

2.实现
1. 简单Scala程序,该程序的功能是读取HDFS中的log日志文件,过滤log文件中的WARN和ERROR的记录,最后把过滤后的记录写入到HDFS中,代码如下:

[java] view plain copy
import org.apache.spark.{SparkConf, SparkContext}  
  
  
/** 
 * Created by Administrator on 2015/8/23. 
 */  
object Scala_Test {  
  def main(args:Array[String]): Unit ={  
    if(args.length!=2){  
      System.err.println("Usage:Scala_Test <input> <output>")  
    }  
    // 初始化SparkConf  
    val conf = new SparkConf().setAppName("Scala filter")  
    val sc = new SparkContext(conf)  
  
    //  读入数据  
    val lines = sc.textFile(args(0))  
  
    // 转换  
    val errorsRDD = lines.filter(line => line.contains("ERROR"))  
    val warningsRDD = lines.filter(line => line.contains("WARN"))  
    val  badLinesRDD = errorsRDD.union(warningsRDD)  
  
    // 写入数据  
    badLinesRDD.saveAsTextFile(args(1))  
  
    // 关闭SparkConf  
    sc.stop()  
  }  
}  
使用IntelliJ IDEA 并打成jar包备用(lz这里命名为spark_filter.jar);
2.  java调用spark_filter.jar中的Scala_Test 文件,并采用Spark standAlone模式,java代码如下:

[java] view plain copy
package test;  
  
import java.text.SimpleDateFormat;  
import java.util.Date;  
  
import org.apache.spark.deploy.SparkSubmit;  
/** 
 * @author fansy 
 * 
 */  
public class SubmitScalaJobToSpark {  
  
    public static void main(String[] args) {  
        SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd-hh-mm-ss");   
        String filename = dateFormat.format(new Date());  
        String tmp=Thread.currentThread().getContextClassLoader().getResource("").getPath();  
        tmp =tmp.substring(0, tmp.length()-8);  
        String[] arg0=new String[]{  
                "--master","spark://node101:7077",  
                "--deploy-mode","client",  
                "--name","test java submit job to spark",  
                "--class","Scala_Test",  
                "--executor-memory","1G",  
//              "spark_filter.jar",  
                tmp+"lib/spark_filter.jar",//  
                "hdfs://node101:8020/user/root/log.txt",  
                "hdfs://node101:8020/user/root/badLines_spark_"+filename  
        };  
          
        SparkSubmit.main(arg0);  
    }  
}  

具体操作,使用MyEclipse新建java web工程,把spark_filter.jar 以及spark-assembly-1.4.1-hadoop2.6.0.jar(该文件在Spark压缩文件的lib目录中,同时该文件较大,拷贝需要一定时间) 拷贝到WebRoot/WEB-INF/lib目录。(注意:这里可以直接建立java web项目,在测试java调用时,直接运行java代码即可,在测试web项目时,开启tomcat即可)
java调用spark_filter.jar中的Scala_Test 文件,并采用Yarn模式。采用Yarn模式,不能使用简单的修改master为“yarn-client”或“yarn-cluster”,在使用Spark-shell或者spark-submit的时候,使用这个,同时配置HADOOP_CONF_DIR路径是可以的,但是在这里,读取不到HADOOP的配置,所以这里采用其他方式,使用yarn.Clent提交的方式,java代码如下:

[java] view plain copy
package test;  
  
import java.text.SimpleDateFormat;  
import java.util.Date;  
  
import org.apache.hadoop.conf.Configuration;  
import org.apache.spark.SparkConf;  
import org.apache.spark.deploy.yarn.Client;  
import org.apache.spark.deploy.yarn.ClientArguments;  
  
public class SubmitScalaJobToYarn {  
  
    public static void main(String[] args) {  
        SimpleDateFormat dateFormat = new SimpleDateFormat("yyyy-MM-dd-hh-mm-ss");   
        String filename = dateFormat.format(new Date());  
        String tmp=Thread.currentThread().getContextClassLoader().getResource("").getPath();  
        tmp =tmp.substring(0, tmp.length()-8);  
        String[] arg0=new String[]{  
                "--name","test java submit job to yarn",  
                "--class","Scala_Test",  
                "--executor-memory","1G",  
//              "WebRoot/WEB-INF/lib/spark_filter.jar",//  
                "--jar",tmp+"lib/spark_filter.jar",//  
                  
                "--arg","hdfs://node101:8020/user/root/log.txt",  
                "--arg","hdfs://node101:8020/user/root/badLines_yarn_"+filename,  
                "--addJars","hdfs://node101:8020/user/root/servlet-api.jar",//  
                "--archives","hdfs://node101:8020/user/root/servlet-api.jar"//  
        };  
          
//      SparkSubmit.main(arg0);  
        Configuration conf = new Configuration();  
        String os = System.getProperty("os.name");  
        boolean cross_platform =false;  
        if(os.contains("Windows")){  
            cross_platform = true;  
        }  
        conf.setBoolean("mapreduce.app-submission.cross-platform", cross_platform);// 配置使用跨平台提交任务  
        conf.set("fs.defaultFS", "hdfs://node101:8020");// 指定namenode  
        conf.set("mapreduce.framework.name","yarn"); // 指定使用yarn框架  
        conf.set("yarn.resourcemanager.address","node101:8032"); // 指定resourcemanager  
        conf.set("yarn.resourcemanager.scheduler.address", "node101:8030");// 指定资源分配器  
        conf.set("mapreduce.jobhistory.address","node101:10020");  
          
         System.setProperty("SPARK_YARN_MODE", "true");  
  
         SparkConf sparkConf = new SparkConf();  
         ClientArguments cArgs = new ClientArguments(arg0, sparkConf);  
          
        new Client(cArgs,conf,sparkConf).run();  
    }  
}  
3. java web测试 任务提交到Spark的两种模式,这里采用最简单的方式,直接配置servlet,其web.xml文件如下:
[html] view plain copy
<?xml version="1.0" encoding="UTF-8"?>  
<web-app version="3.0"  
    xmlns="http://java.sun.com/xml/ns/javaee"  
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  
    xsi:schemaLocation="http://java.sun.com/xml/ns/javaee http://java.sun.com/xml/ns/javaee/web-app_3_0.xsd">  
  <servlet>  
    <description>This is the description of my J2EE component</description>  
    <display-name>This is the display name of my J2EE component</display-name>  
    <servlet-name>SparkServlet</servlet-name>  
    <servlet-class>servlet.SparkServlet</servlet-class>  
  </servlet>  
  <servlet>  
    <description>This is the description of my J2EE component</description>  
    <display-name>This is the display name of my J2EE component</display-name>  
    <servlet-name>YarnServlet</servlet-name>  
    <servlet-class>servlet.YarnServlet</servlet-class>  
  </servlet>  
  
  
  <servlet-mapping>  
    <servlet-name>SparkServlet</servlet-name>  
    <url-pattern>/servlet/SparkServlet</url-pattern>  
  </servlet-mapping>  
  <servlet-mapping>  
    <servlet-name>YarnServlet</servlet-name>  
    <url-pattern>/servlet/YarnServlet</url-pattern>  
  </servlet-mapping>  
  
</web-app>  

SparkServlet如下:
[java] view plain copy
package servlet;  
  
import java.io.IOException;  
import java.io.PrintWriter;  
  
import javax.servlet.ServletException;  
import javax.servlet.http.HttpServlet;  
import javax.servlet.http.HttpServletRequest;  
import javax.servlet.http.HttpServletResponse;  
  
import test.SubmitScalaJobToSpark;  
  
public class SparkServlet extends HttpServlet {  
  
    /** 
     * Constructor of the object. 
     */  
    public SparkServlet() {  
        super();  
    }  
  
    /** 
     * Destruction of the servlet. <br> 
     */  
    public void destroy() {  
        super.destroy(); // Just puts "destroy" string in log  
        // Put your code here  
    }  
  
    /** 
     * The doGet method of the servlet. <br> 
     * 
     * This method is called when a form has its tag value method equals to get. 
     *  
     * @param request the request send by the client to the server 
     * @param response the response send by the server to the client 
     * @throws ServletException if an error occurred 
     * @throws IOException if an error occurred 
     */  
    public void doGet(HttpServletRequest request, HttpServletResponse response)  
            throws ServletException, IOException {  
  
        this.doPost(request, response);  
    }  
  
    /** 
     * The doPost method of the servlet. <br> 
     * 
     * This method is called when a form has its tag value method equals to post. 
     *  
     * @param request the request send by the client to the server 
     * @param response the response send by the server to the client 
     * @throws ServletException if an error occurred 
     * @throws IOException if an error occurred 
     */  
    public void doPost(HttpServletRequest request, HttpServletResponse response)  
            throws ServletException, IOException {  
        System.out.println("开始SubmitScalaJobToSpark调用......");  
        SubmitScalaJobToSpark.main(null);  
        //YarnServlet也只是这里不同  
        System.out.println("完成SubmitScalaJobToSpark调用!");  
        response.setContentType("text/html");  
        PrintWriter out = response.getWriter();  
        out.println("<!DOCTYPE HTML PUBLIC \"-//W3C//DTD HTML 4.01 Transitional//EN\">");  
        out.println("<HTML>");  
        out.println("  <HEAD><TITLE>A Servlet</TITLE></HEAD>");  
        out.println("  <BODY>");  
        out.print("    This is ");  
        out.print(this.getClass());  
        out.println(", using the POST method");  
        out.println("  </BODY>");  
        out.println("</HTML>");  
        out.flush();  
        out.close();  
    }  
  
    /** 
     * Initialization of the servlet. <br> 
     * 
     * @throws ServletException if an error occurs 
     */  
    public void init() throws ServletException {  
        // Put your code here  
    }  
  
}  

这里只是调用了java编写的任务调用类而已。同时,SparServlet和YarnServlet也只是在调用的地方不同而已。
在web测试时,首先直接在MyEclipse上测试,然后拷贝工程WebRoot到centos7,再次运行tomcat,进行测试。

3.总结及问题
1. 测试结果:
   1> java代码直接提交任务到Spark和Yarn,进行日志文件的过滤,测试是成功运行的。可以在Yarn和Spark的监控中看到相关信息:

同时,在HDFS可以看到输出的文件:

2> java web 提交任务到Spark和Yarn,首先需要把spark-assembly-1.4.1-hadoop2.6.0.jar中的javax.servlet文件夹删掉,因为会和tomcat的servlet-api.jar冲突。

    a. 在windows和linux上启动tomcat,提交任务到Spark standAlone,测试成功运行;

    b. 在windows和linux上启动tomcat,提交任务到Yarn,测试失败;

2. 遇到的问题:

    1> java web 提交任务到Yarn,会失败,失败的主要日志如下:

[plain] view plain copy
15/08/25 11:35:48 ERROR yarn.ApplicationMaster: User class threw exception: java.lang.NoClassDefFoundError: javax/servlet/http/HttpServletResponse  
java.lang.NoClassDefFoundError: javax/servlet/http/HttpServletResponse  
这个是因为javax.servlet的包被删掉了,和tomcat的冲突。
同时,在日志中还可以看到:

[plain] view plain copy
15/08/26 12:39:27 INFO Client: Setting up container launch context for our AM  
15/08/26 12:39:27 INFO Client: Preparing resources for our AM container  
15/08/26 12:39:27 INFO Client: Uploading resource file:/D:/workspase_scala/SparkWebTest/WebRoot/WEB-INF/lib/spark-assembly-1.4.1-hadoop2.6.0.jar -> hdfs://node101:8020/user/Administrator/.sparkStaging/application_1440464833795_0012/spark-assembly-1.4.1-hadoop2.6.0.jar  
15/08/26 12:39:32 INFO Client: Uploading resource file:/D:/workspase_scala/SparkWebTest/WebRoot/WEB-INF/lib/spark_filter.jar -> hdfs://node101:8020/user/Administrator/.sparkStaging/application_1440464833795_0012/spark_filter.jar  
15/08/26 12:39:33 INFO Client: Uploading resource file:/C:/Users/Administrator/AppData/Local/Temp/spark-46820caf-06e0-4c51-a479-3bb35666573f/__hadoop_conf__5465819424276830228.zip -> hdfs://node101:8020/user/Administrator/.sparkStaging/application_1440464833795_0012/__hadoop_conf__5465819424276830228.zip  
15/08/26 12:39:33 INFO Client: Source and destination file systems are the same. Not copying hdfs://node101:8020/user/root/servlet-api.jar  
15/08/26 12:39:33 WARN Client: Resource hdfs://node101:8020/user/root/servlet-api.jar added multiple times to distributed cache.  

这里在环境初始化的时候,上传了两个jar,一个就是spark-assembly-1.4.1-hadoop2.6.0.jar 还有一个就是我们自定义的jar。上传的spark-assembly-1.4.1-hadoop2.6.0.jar 里面没有javax.servlet的文件夹,所以会报错。在java中直接调用(没有删除javax.servlet的时候)同样会看到这样的日志,同样的上传,那时是可以的,也就是说这里确实是删除了包文件夹的关系。那么如何修复呢?
上传servlet-api到hdfs,同时在使用yarn.Client提交任务的时候,添加相关的参数,这里查看参数,发现两个比较相关的参数,--addJars以及--archive 参数,把这两个参数都添加后,看到日志中确实把这个jar包作为了job的共享文件,但是java web提交任务到yarn 还是报这个类找不到的错误。所以这个办法也是行不通!(可以参考http://blog.csdn.NET/fansy1990/article/details/52289826中的部署部分解决这个问题)

使用yarn.Client提交任务到Yarn参考http://blog.sequenceiq.com/blog/2014/08/22/spark-submit-in-java/ 。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值