SpringBoot + Spark on Yan踩坑记

• 终极目标
  采用SpringBoot集成SparkStreaming+Kafka+Redis+HDFS等组件，打包成jar（下文将之简称为“应用”），运行在Spark on Yan环境，实现离线+实时分布式计算。
  本文中采用Spark on Yan Client模式发布应用。
  参考文献：https://www.cnblogs.com/langfanyun/p/8040136.html
   

• 第一坑：启动方式与local模式迥异
  local模式（setMaster("local[2]")）下，SpringBoot集成SparkStreaming的app与其他web应用无差异，直接java -jar xxx.jar即可启动。
  Spark on Yan环境下， 必须使用spark-submit等命令，由Spark-Yarn-Client托管应用的jar，否则，应用的jar中缺少向Yarn资源管理器申请资源的模块，无法正常启动。
  【对策】
  1）应用的pom中引入spark-yarn依赖

  <dependency>     <groupId>org.apache.spark</groupId>     <artifactId>spark-yarn_${scala.tools.version}</artifactId>     <version>${spark.core.version}</version> </dependency>

  其中scala.tools.version为scala版本，spark.core.version为spark版本

   

  2）sparkConf设置yarn相关配置

  val conf = new SparkConf().setMaster("yarn-client").setAppName(sparkAppName)

  3）启动命令

  /bin/spark-submit --conf spark.yarn.jars="local:/opt/xxx/lib/spark/jars/*,local:/opt/xxx/lib/spark/hive/*,hdfs://xxx:8020/user/mypath/my-service/lib/*" --properties-file /home/mypath/spark.conf --driver-java-options "-Dorg.springframework.boot.logging.LoggingSystem=none -Dspring.profiles.active=test -Dspark.yarn.dist.files=/home/mypath/yarn-site.xml" --class org.springframework.boot.loader.JarLauncher --master yarn --deploy-mode client my-service-1.0.0-SNAPSHOT.jar

  各目录的说明：“/opt/xxx/lib/spark”部分为示例机器安装Spark的目录，根据实际情况修改即可。"hdfs://xxx:8020/user/mypath/my-service/lib"部分为示例机器hdfs上存储应用依赖的库文件的目录，根据实际情况修改即可。“/home/mypath/”部分为示例机器上存放spark配置文件的目录，根据实际情况修改即可。

  各参数的说明：“spark.yarn.jars”用于指定executor容器运行时依赖的jar的目录，特别是“hdfs://xxx:8020/user/mypath/my-service/lib/*”非常关键，后面将会讲到相关的各种坑。“--properties-file”指定spark自定义配置文件，可绕开许多坑，后面也会讲到。“--driver-java-options”用于指定应用的运行环境参数，绕坑专业户，且听下文分解。“–class”必须指定springboot的main所在class，否则就是坑。

   

• 第二坑：logback和log4j冲突
  spark-submit内部使用log4j作为日志模块，SpringBoot默认采用logback作为日志模块，默认情况下将出现以下各种异常。

  java.lang.ClassCastException: org.apache.logging.log4j.simple.SimpleLoggerContext cannot be cast to org.apache.logging.log4j.core.LoggerContext ClassCastException: org.slf4j.impl.Log4jLoggerFactory cannot be cast to ch.qos.logback.classic.LoggerContext LoggerFactory is not a Logback LoggerContext but Logback...

  【对策】
  1）pom中绕开所有logback

  <exclusions>     <exclusion>         <groupId>ch.qos.logback</groupId>        <artifactId>logback-classic</artifactId>     </exclusion> </exclusions>

  2）springboot停止尝试加载任何logger

  具体办法是在启动命令中增加java参数org.springframework.boot.logging.LoggingSystem，指定为none即可。

  /bin/spark-submit ... --driver-java-options "-Dorg.springframework.boot.logging.LoggingSystem=none ..." ... my-service-1.0.0-SNAPSHOT.jar

• 第三坑：GSON版本冲突
  Spark自带的GSON版本可能与SpringBoot依赖的版本冲突，引起如下异常：

  Failed to instantiate [com.google.gson.GsonBuilder

  【对策】
  将Spark自带的GSON库重命名

• 第四坑：Hadoop版本冲突
  集群环境的Hadoop版本可能与应用依赖的版本冲突，引起如下异常&#