我在AWS的YARN中有一个Hadoop集群,向其提交了Spark应用程序。我通过REST请求进行工作,并按照本文档YARN REST API的规定提交XML。它对于常规群集非常有用。
我目前正在使用POC来处理EMR集群,而不是通常的POC,在这里我使用现有的REST命令,并简单地通过SSH与EMR的内部YARN通信,如下所示:Web access of internal EMR services。它适用于大多数REST命令,例如POST http://<rm http address:port>/ws/v1/cluster/apps/new-application
,但是当我提交一个新应用程序时,它立即失败并报告找不到ApplicationMaster。
Log Type: stderr
Log Upload Time: Sun Feb 03 17:18:35 +0000 2019
Log Length: 88
Error: Could not find or load main class org.apache.spark.deploy.yarn.ApplicationMaster
我怀疑这以某种方式连接到了classpath,当我将所有jars(/ usr / lib / spark / jars / *)的EMR FS位置添加到REST提交应用程序节点的classpath标志时,它找到了ApplicationMaster但然后无法在核心实例中找到Jars,并显示以下奇怪的错误日志:
Log Type: stderr
Log Upload Time: Thu Jan 31 15:11:21 +0000 2019
Log Length: 89
Error: Could not find or load main class .usr.lib.spark.jars.datanucleus-core-3.2.10.jar
最不寻常的是它试图描述无法找到的jar的方式,而不是类。经过进一步调查,我发现了原因:将Java命令发送到Core实例时,它将类路径解析为其三个文件:
java -server -classpath /usr/lib/spark/jars/datanucleus-api-jdo-3.2.6.jar /usr/lib/spark/jars/datanucleus-core-3.2.10.jar /usr/lib/spark/jars/datanucleus-rdbms-3.2.9.jar ...
,因此尝试执行“/usr/lib/spark/jars/datanucleus-core-3.2” .10.jar”,就好像它是可运行的。问题是,如果我尝试将类路径更改为更具体,或者尝试删除它,则应用程序将因找不到ApplicationMaster而再次失败。我发送到YARN的REST请求是:
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<application-submission-context>
<application-id>application_1549270910165_0001</application-id>
<application-name> .... some name .....</application-name>
<queue>default</queue>
<priority>0</priority>
<am-container-spec>
<local-resources>
<entry>
....... MANY MANY RESOURCES ......
</value>
</entry>
</local-resources>
<environment>
<entry>
<key>SPARK_YARN_STAGING_DIR</key>
<value>..... staging directory in our HDFS ..... </value>
</entry>
<entry>
<key>CLASSPATH</key>
<value>$PWD:$PWD/__spark_conf__:$PWD/__spark_libs__/*:/usr/lib/spark/jars/*:/usr/lib/spark/yarn/lib/*:%HADOOP_CONF_DIR%:%HAOOP_COMMON_HOME%/share/hadoop/common/*:%HADOOP_COMMON_HOME%/share/hadoop/common/lib/*:%HADOOP_HDFS_HOME%/share/hadoop/hdfs/*:%HADOOP_HDFS_HOME%/share/hadoop/hdfs/lib/*:%HADOOP_YARN_HOME%/share/hadoop/yarn/*:%HADOOP_YARN_HOME%/share/hadoop/yarn/lib/*:%HADOOP_MAPRED_HOME%/share/hadoop/mapreduce/*:%HADOOP_MAPRED_HOME%/share/hadoop/mapreduce/lib/*:$PWD/__spark_conf__/__hadoop_conf__</value>
</entry>
<entry>
<key>SPARK_USER</key>
<value>... user name ....</value>
</entry>
</environment>
<commands>
<command>command=$JAVA_HOME/bin/java -classpath '/usr/lib/spark/jars/*' -server -Xmx5120M -Djava.io.tmpdir=$PWD/tmp '-XX:hashCode=0' '-Dlog4j.configuration=log4j-client.cfg' '-Dhdp.version=2.8.4' -Dspark.yarn.app.container.log.dir=<LOG_DIR> org.apache.spark.deploy.yarn.ApplicationMaster ... some jar and arguments .... --properties-file $PWD/__spark_conf__/__spark_conf__.properties 1> <LOG_DIR>/stdout 2> <LOG_DIR>/stderr</command>
</commands>
</am-container-spec>
<unmanaged-AM>false</unmanaged-AM>
<max-app-attempts>1</max-app-attempts>
<resource>
<memory>5632</memory>
<vCores>1</vCores>
</resource>
<application-type>SPARK</application-type>
<keep-containers-across-application-attempts>false</keep-containers-across-application-attempts>
<application-tags>
<tag>.... product tag .....</tag>
</application-tags>
<log-aggregation-context/>
<attempt-failures-validity-interval>1</attempt-failures-validity-interval>
<reservation-id/>
</application-submission-context>
我将不胜感激。
最佳答案
经过长时间的搜索,我发现应用程序无法加载类org.apache.spark.deploy.yarn.ApplicationMaster
的原因是因为这不是EMR核心实例使用的ApplicationMaster
的版本-它使用了org.apache.hadoop.yarn.applications.distributedshell.ApplicationMaster
,它要求输入中的CLASSPATH
段包括/usr/lib/hadoop-yarn/*
。我更改了REST请求的输入XML中的两个参数,并成功启动了该参数。我仍然需要为EMR实现配置正确的CLASSPATH
才能成功完成应用程序,但是这个问题的主要挑战已经解决。
更新:最终,我决定为EMR添加一个步骤并使用参数,实际上是一种更简单的处理方法。我向Maven依赖项添加了EMR AWS Java SDK:
<dependency>
<groupId>com.amazonaws</groupId>
<artifactId>aws-java-sdk-emr</artifactId>
<version>1.11.486</version>
</dependency>
并添加以下代码:
AddJobFlowStepsResult result = emr.addJobFlowSteps(new AddJobFlowStepsRequest()
.withJobFlowId(clusterId)
.withSteps(new StepConfig()
.withName(name)
.withActionOnFailure(ActionOnFailure.CONTINUE)
.withHadoopJarStep(new HadoopJarStepConfig()
.withJar("command-runner.jar")
.withArgs(stepargs))));
stepargs来自我最初的REST请求,包括jar和要使用的文件-只需使用spark-submit即可:
List<String> stepargs = new ArrayList<String>();
stepargs.add("spark-submit");
stepargs.add("--class");
stepargs.add(mainClass);
stepargs.add("--deploy-mode");
stepargs.add("cluster");
stepargs.add("--master");
stepargs.add("yarn");
stepargs.add("--files");
stepargs.add(files);
stepargs.add("--jars");
stepargs.add(jars);
stepargs.add("--properties-file");
stepargs.add(confFileName);
stepargs.add(jar);
Iterator<String> itr = args.iterator();
while (itr.hasNext()) {
String arg = itr.next();
if (arg.equals("--arg")) {
stepargs.add(itr.next());
}
}
关于java - 通过REST提交EMR Yarn应用程序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54513238/