Spark通过Java Web提交任务

最新推荐文章于 2024-07-11 00:30:05 发布

数据文字工作者

最新推荐文章于 2024-07-11 00:30:05 发布

阅读量1w

点赞数

相关软件版本：

Spark1.4.1 ，Hadoop2.6，Scala2.10.5 , MyEclipse2014，intelliJ IDEA14，JDK1.8，Tomcat7

机器：

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：

[Bash shell] 纯文本查看复制代码

 
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] 纯文本查看复制代码

 
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] 纯文本查看复制代码

 
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();
 
    }
 
}

SparkServlet如下：

[Java] 纯文本查看复制代码

 
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：

[Bash shell] 纯文本查看复制代码

 
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：

[Bash shell] 纯文本查看复制代码

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

分享，成长，快乐

脚踏实地，专注

转载请注明blog地址： http://blog.csdn.net/fansy1990

数据文字工作者

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
1
评论
Spark通过Java Web提交任务

相关软件版本：Spark1.4.1 ，Hadoop2.6，Scala2.10.5 , MyEclipse2014，intelliJ IDEA14，JDK1.8，Tomcat7机器：windows7 （包含JDK1.8，MyEclipse2014，IntelliJ IDEA14，TOmcat7）；centos6.6虚拟机（Hadoop伪分布式集群，Spark stan
复制链接

扫一扫