PyFlink 常见问题记录

在此记录 pyflink 运行过程中遇到的问题以及解决方法。让小伙伴们少走弯路。

Q1: No module named 'encodings'

Caused by: java.io.IOException: Failed to execute the command: venv.zip/venv/bin/python -c import pyflink;import os;print(os.path.join(os.path.abspath(os.path.dirname(pyflink.__file__)), 'bin'))
output: Could not find platform independent libraries <prefix>
Could not find platform dependent libraries <exec_prefix>
Consider setting $PYTHONHOME to <prefix>[:<exec_prefix>]
Fatal Python error: initfsencoding: unable to load the file system codec
ModuleNotFoundError: No module named 'encodings'

问题分析:Python 环境的问题,用 virtualenv 来管理虚拟环境时遇到。

问题解决:利用以下脚本(注意修改 pyflink 版本),使用 miniconda3 来管理虚拟环境即可解决。

wget https://ci.apache.org/projects/flink/flink-docs-release-1.11/downloads/setup-pyflink-virtual-env.sh
sh setup-pyflink-virtual-env.sh 1.11.2
source venv/bin/activate  # 激活虚拟环境

Q2: No module named 'encodings'

File "main.py", line 2
SyntaxError: Non-ASCII character '\xe5' in file main.py on line 3, but no encoding declared; see http://www.python.org/peps/pep-0263.html for details
org.apache.flink.client.program.ProgramAbortException

问题分析:表面上是无法解析非 ASCII 码,实际上是因为当前的 python 版本错了。通过 flink run 来提交 Python 任务时,Flink 会调用 “python” 命令,要求 python 的版本为 3.5, 3.6 或者 3.7 中的一个。

问题解决:激活虚拟环境,使得运行 python -V 时显示的 python 版本为 3.5,3.6 或 3.7

Q3: Could not find any factory for identifier 'kafka'

Caused by: org.apache.flink.table.api.ValidationException: Could not find any factory for identifier 'kafka' that implements 'org.apache.flink.table.factories.DynamicTableSourceFactory' in the classpath.org.apache.flink.client.program.ProgramAbortException

问题分析:没有指定 kafka jar 文件

问题解决:在 flink run 的时候,加入参数 -j flink-sql-connector-kafka_2.11-1.11.2.jar ,具体 jar 包的下载路径见 Apache Kafka SQL Connector,根据 kafka 版本选择 jar 包来下载。

Q4: The parallelism must be a positive number: yarch

The parallelism must be a positive number: yarch

问题分析:并行度要设置为正数

问题解决:在 flink run 的时候,加入参数 -p 1。但问题可能出在 flink 上。直接部署的 flink 没有问题,但是集成到 CDH 后,flink 的配置参数发生了变化,导致无法以简单的 flink run 的方式来运行

Q5: No manifest found in jar file '/xxxx/venv.zip'

org.apache.flink.client.program.ProgramInvocationException: No manifest found in jar file '/xxxx/venv.zip'. The manifest is need to point to the program's main class.

问题分析:没有找到 manifest 文件来指定程序的 main class。

问题解决:同 Q4,可能是 flink 没有正确安装好。

Q6: Neither a 'Main-Class', nor a 'program-class' entry was found in the jar file.

org.apache.flink.client.program.ProgramInvocationException: Neither a 'Main-Class', nor a 'program-class' entry was found in the jar file.

问题分析:jar 包里没有指定 'Main-Class' 或 'program-class'

问题解决:同 Q4,可能是 flink 没有正确安装好。

Q7:java.net.MalformedURLException: no protocol:

py4j.protocol.Py4JJavaError: An error occurred while calling None.java.net.URL.
: java.net.MalformedURLException: no protocol:

问题分析:no protocol,没有指定通信协议异常。

问题解决:看看报错所在的行,如果是 URL ,检查是否缺少 http:// ;如果是路径,检查是否缺少 file://

Q8:Method registerFunction(...) does not exist

py4j.protocol.Py4JError: An error occurred while calling o4.registerFunction. Trace:
org.apache.flink.api.python.shaded.py4j.Py4JException: Method registerFunction([class java.lang.String, class com.flink.udf.TopN]) does not exist

问题分析:registerFunction 函数不存在,看源码 registerFunction 是 TableEnvironment._j_env 对象的方法,怀疑是 _j_env 没有正确定义。_j_env 应该是指 java 运行的环境。

问题解决:在创建 TableEnvironment 的时候,再传入环境变量。下面举例说明。

原来的创建方式:

# 流处理环境
from pyflink.table import StreamTableEnvironment, EnvironmentSettings

env_settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
t_env = StreamTableEnvironment.create(environment_settings=env_settings)

改正后的创建方式,注意 create 函数里的第一个入参为前面初始化好的 env 变量:

# 流处理环境
from pyflink.datastream import StreamExecutionEnvironment
from pyflink.table import StreamTableEnvironment, EnvironmentSettings

env = StreamExecutionEnvironment.get_execution_environment()
env_settings = EnvironmentSettings.new_instance().in_streaming_mode().use_blink_planner().build()
t_env = StreamTableEnvironment.create(env, environment_settings=env_settings)

对于批处理同理:

from pyflink.dataset import ExecutionEnvironment

env = ExecutionEnvironment.get_execution_environment()
...

Q9:Caused by: org.apache.flink.util.FlinkException: The TaskExecutor is shutting down.

Caused by: org.apache.flink.util.FlinkException: The TaskExecutor is shutting down.
        at org.apache.flink.runtime.taskexecutor.TaskExecutor.onStop(TaskExecutor.java:404)
        at org.apache.flink.runtime.rpc.RpcEndpoint.internalCallOnStop(RpcEndpoint.java:216)

问题分析:TaskExecutor 没有在运行状态。可以运行 jps 查看是否有 TaskManagerRunner 。

问题解决:重启 Flink。

Q11:Caused by: org.apache.beam.vendor.guava.v26_0_jre.com.google.common.util.concurrent.UncheckedExecutionException: java.lang.IllegalStateException: Process died with exit code 0

org.apache.flink.runtime.JobException: Recovery is suppressed by NoRestartBackoffTimeStrategy
...
Caused by: java.lang.RuntimeException: Failed to create stage bundle factory! INFO:root:Initializing python harness: xxxx/site-packages/pyflink/fn_execution/boot.py --id=1-1 --logging_endpoint=localhost:58957 --artifact_endpoint=localhost:58958 --provision_endpoint=localhost:58959 --control_endpoint=localhost:58956
...
    raise _InactiveRpcError(state)
grpc._channel._InactiveRpcError: <_InactiveRpcError of RPC that terminated with:
    status = StatusCode.CANCELLED
    details = "Server sendMessage() failed with Error"
    debug_error_string = "{"created":"@1605690803.729786000","description":"Error received from peer ipv6:[::1]:58959","file":"src/core/lib/surface/call.cc","file_line":1062,"grpc_message":"Server sendMessage() failed with Error","grpc_status":1}"
>
...
Caused by: org.apache.beam.vendor.guava.v26_0_jre.com.google.common.util.concurrent.UncheckedExecutionException: java.lang.IllegalStateException: Process died with exit code 0
...
Caused by: java.lang.IllegalStateException: Process died with exit code 0
...

问题分析:发送消息给 RPC 服务失败,具体原因不知道。

问题解决:重新提交 Flink 作业。

  • 4
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 19
    评论
PyFlink CDC(Change Data Capture)是 Apache Flink 的一个功能模块,用于捕获数据库变更,并将这些变更实时地传输到 Flink 流处理作业中进行处理。 CDC 是一种常见的数据集成模式,它可以检测并捕获数据库中的变更,包括插入、更新和删除操作。传统的方式是通过轮询数据库,检查数据的变更情况,但这种方式效率低下且难以实现实时处理。而 CDC 可以通过在数据库的事务日志中捕获变更事件,然后将这些事件推送到 Flink 的流处理作业中进行实时处理。 PyFlink CDC 提供了一种简单且高效的方式来实现数据库变更的捕获和处理。它可以与各种常见的数据库系统集成,例如 MySQL、PostgreSQL、Oracle 等。通过配置连接参数,可以订阅指定的数据库表,并指定需要捕获的类型,如插入、更新或删除。一旦有数据发生变更,CDC 就会自动将变更事件作为流数据发送给 Flink 作业。 应用 PyFlink CDC 可以使得数据集成更加灵活和高效。比如,在实时分析、数据同步和数据仓库构建等场景中,可以通过 CDC 将变更数据实时地从数据库中抽取出来,进而进行相应的处理。而且,PyFlink CDC 提供了高可用和副本容错机制,保证了数据的准确性和可靠性。 总之,PyFlink CDC 是一个功能强大的模块,可以帮助用户实时地捕获数据库变更,并将这些变更发送到 Flink 流处理作业中进行处理。它提供了简单易用的接口和高效的实现,使得数据集成变得更加灵活和高效。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 19
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