Spark作业代码(源码)IDE远程调试

Size: px

Start display at page:

Download "Spark作业代码(源码)IDE远程调试"

厚白
5 years ago
Views:

1 我们在编写 Spark Application 或者是阅读源码的时候, 我们很想知道代码的运行情况, 比如参数设置的是否正确等等用 Logging 方式来调试是一个可以选择的方式, 但是,logging 方式调试代码有很多的局限和不便今天我就来介绍如何通过 IDE 来远程调试 Spark 的 Application 或者是 Spar k 的源码本文以调试 Spark Application 为例进行说明, 本文用到的 IDE 是 IntelliJ IDEA 步骤如下 : 设置调试相关参数 JAVA 自身支持调试功能, 我们仅仅需要在程序启动之前, 在 JVM 里面设置以下参数 : -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8888 这里对上面的几个参数进行说明 : -Xdebug 启用调试特性 -Xrunjdwp 启用 JDWP 实现, 包含若干子选项 : transport=dt_socket JPDA front-end 和 backend 之间的传输方法 dt_socket 表示使用套接字传输 address=8888 JVM 在 8888 端口上监听请求, 这个设定为一个不冲突的端口即可 server=y y 表示启动的 JVM 是被调试者如果为 n, 则表示启动的 JVM 是调试器 suspend=y y 表示启动的 JVM 会暂停等待, 直到调试器连接上才继续执行 suspend=n, 则 JVM 不会暂停等待因为 Spark 应用程序是分布式的, 所有调试的时候有点麻烦但是如果知道方法也是很容易的这里分两种情况来说明 : 调试 Driver 端相关代码 Spark 应用程序都有一个 Driver, 如果你是 yarn-client 模式, 这个 Driver 一般在你启动程序的机器上运行如果你想调试这块模块, 我们需要在 Driver 相关参数里面设置调试参数如下 : spark.driver.extrajavaoptions -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,ad dress= / 5

2 这个配置可以放到 $SPARK_HOME/conf/spark-defaults.conf 里面 ; 也可以在启动作业的时候通过 --conf 设置, 比如 :--conf "spark.driver.extrajavaoptions=-xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8888" 这时候我们就可以调试 Driver 相关的代码了调试 Executor 端相关代码一个 Spark 应用程序一般会启动一个或多个 Executor, 我们应用程序相关的计算逻辑一般都是在这里完成的, 所有如果你想调试这块的代码, 需要在 Executor 启动的 JVM 加入相关的调试参数如下 : spark.executor.extrajavaoptions -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y, address=8888 这个配置可以放到 $SPARK_HOME/conf/spark-defaults.conf 里面 ; 也可以在启动作业的时候通过 --conf 设置, 比如 :--conf "spark.executor.extrajavaoptions=-xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8888" 可以看见,Executor 的调试代码和 Driver 很类似启动 Spark Application 上面我们已经设置好了相关的调试参数, 现在我们可以启动 Spark Application 应用程序了如下 : [iteblog.com@spark spark]$./bin/spark-submit --class scala.scalashuffle --master yarn-client --queue queue1 --num-executors 1 --executor-memory 10g --executor-cores 1 spark-1.0-snapshot.jar /home/wyp/shuffle /home/wyp/sparkshu ffle Spark assembly has been built with Hive, including Datanucleus jars on classpath Listening for transport dt_socket at address: / 5

Port 设置完后, 设置好程序的断电, 然后再点击 IDE 上面的 Debug 按钮 ( 就是那个虫子按钮 ) 这时候, 程序会继续运行, 而且在 IDE 里面会输出以下信息 Connected to the target VM, address: 'www.iteblog.

3 如果你看到第九行的输出 (Listening for transport dt_socket at address: 8888), 那恭喜你了, 启动了远程调试而且 Spark Application 正在等待我们的 IDE 连接它在 IntelliJ IDEA 设置远程调试的 IP 和 Port 如果你需要调试 Driver 相关代码, 依次选择 Edit Configurations-> 点击左上角的 + 号 ->Remote, 在弹出的页面里面将 Host 和 Port 两个选项设置为你 Driver 运行所在节点机器的 IP 和 Port 设置完后, 设置好程序的断电, 然后再点击 IDE 上面的 Debug 按钮 ( 就是那个虫子按钮 ) 这时候, 程序会继续运行, 而且在 IDE 里面会输出以下信息 Connected to the target VM, address: ' transport: 'socket' 而且程序会跳到你设置断点的地方, 你可以在你 IDE 的 Dubegger 里面看到如下的信息 : 如果想及时了解 Spark Hadoop 或者 Hbase 相关的文章, 欢迎关注微信公共帐号 :iteblog_hadoop 3 / 5

4 调试 Executor 相关的代码和上面设置类似, 这里就不介绍了问题在调试 Executor 相关代码大家可能会遇到相关的问题如下 : 17/10/27 13:40:35 WARN cluster.yarnschedulerbackend$yarnschedulerendpoint: Container m arked as failed: container_ _ _01_ on host: Exit st atus: 134. Diagnostics: Exception from container-launch: org.apache.hadoop.util.shell$exitcod eexception: /bin/bash: line 1: 9767 Aborted /home/q/java/jdk1.7.0_25//bin/java -server -Xmx 10240m '-Xdebug' '-Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8888' -Djava.io.tmpdir=/tmp/iteblog/nm-local-dir/usercache/iteblog/appcache/application_ _ /container_ _ _01_000003/tmp '-Dspark.driver.port=49676' -Dsp ark.yarn.app.container.log.dir=/tmp/iteblog/userlogs/application_ _ /co ntainer_ _ _01_ XX:OnOutOfMemoryError='kill %p' org.apache.s park.executor.coarsegrainedexecutorbackend --driver-url spark://coarsegrainedscheduler@ : executor-id 2 --hostname cores 1 --app-id application_ _ user-class-path file:/tmp/iteblog/nm-local-dir/usercache/iteblog/appc ache/application_ _ /container_ _ _01_000003/ app.jar --user-class-path file:/tmp/iteblog/nm-local-dir/usercache/iteblog/appcache/applicati on_ _ /container_ _ _01_000003/hadoop-lzo SNAPSHOT.jar --user-class-path file:/tmp/iteblog/nm-local-dir/usercache/iteblog/appcache/ application_ _ /container_ _ _01_000003/mysql-c onnector-java jar > /tmp/iteblog/userlogs/application_ _ /contain er_ _ _01_000003/stdout 2> /tmp/iteblog/userlogs/application_ _ /container_ _ _01_000003/stderr at org.apache.hadoop.util.shell.runcommand(shell.java:464) at org.apache.hadoop.util.shell.run(shell.java:379) at org.apache.hadoop.util.shell$shellcommandexecutor.execute(shell.java:589) at org.apache.hadoop.yarn.server.nodemanager.defaultcontainerexecutor.launchcontainer( DefaultContainerExecutor.java:200) at org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.containerlaun ch.call(containerlaunch.java:283) at org.apache.hadoop.yarn.server.nodemanager.containermanager.launcher.containerlaun ch.call(containerlaunch.java:79) at java.util.concurrent.futuretask.run(futuretask.java:266) at java.util.concurrent.threadpoolexecutor.runworker(threadpoolexecutor.java:1142) at java.util.concurrent.threadpoolexecutor$worker.run(threadpoolexecutor.java:617) at java.lang.thread.run(thread.java:745) 这个问题是 Spark 在同一台机器上启动多个 Executor, 4 / 5

5 Powered by TCPDF ( 导致端口被占用, 出现的异常, 这时候你只需要把 --num-executors 设置为 1 即可解决这个问题我们还有可能遇到下面的问题 : 17/10/27 13:56:42 WARN spark.heartbeatreceiver: Removing executor 1 with no recent heartb eats: ms exceeds timeout ms 17/10/27 13:56:42 ERROR cluster.yarnscheduler: Lost executor 1 on Execut or heartbeat timed out after ms 17/10/27 13:56:42 WARN scheduler.tasksetmanager: Lost task 0.0 in stage 0.0 (TID 0, blog.com, executor 1): ExecutorLostFailure (executor 1 exited caused by one of the running tas ks) Reason: Executor heartbeat timed out after ms 17/10/27 13:56:46 ERROR cluster.yarnscheduler: Lost executor 1 on Contain er container_ _ _01_ exited from explicit termination request. 这是因为我们在调试出现的时候, 整个程序运行流程就卡到那了这时候 Driver 就无法接收到 Executor 发来的心跳信息了, 从而产生这种异常解决办法也很简单, 只需要把下面两个参数加大即可 : spark.executor.heartbeatinterval spark.network.timeout spark.executor.heartbeatinterval 参数不能设的比 spark.network.timeout 大本博客文章除特别声明, 全部都是原创! 转载本文请加上 : 转载自过往记忆 ( 本文链接 : () 5 / 5

Apache CarbonData集群模式使用指南

Apache CarbonData集群模式使用指南我们在 Apache CarbonData 快速入门编程指南文章中介绍了如何快速使用 Apache CarbonData, 为了简单起见, 我们展示了如何在单机模式下使用 Apache CarbonData 但是生产环境下一般都是使用集群模式, 本文主要介绍如何在集群模式下使用 Apache CarbonData 启动 Spark shell 这里以 Spark shell 模式进行介绍,master