运行 Spark Job 通过 Uber Jar 与 Oozie 和 Hue

Run Spark Job via Uber Jar with Oozie and Hue

我目前正在学习如何使用 Apache Oozie 运行 CDH 5.8 中的 Spark 作业,但似乎发现了问题。

我正在使用 IntelliJ > Build Artifact (into Uber JAR / Fat JAR) 编译我的 spark 作业,然后删除它的清单文件。然后我 运行 spark-submit 到 运行 JAR。效果很好。

但是当我用 Oozie 指定一个 Spark Action 时。我收到以下错误:

Failing Oozie Launcher, Main class [org.apache.oozie.action.hadoop.SparkMain], exception invoking main(), java.lang.ClassNotFoundException: Class org.apache.oozie.action.hadoop.SparkMain not found
java.lang.RuntimeException: java.lang.ClassNotFoundException: Class org.apache.oozie.action.hadoop.SparkMain not found
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:2199)
    at org.apache.oozie.action.hadoop.LauncherMapper.map(LauncherMapper.java:234)
    at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:54)
    at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:453)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:343)
    at org.apache.hadoop.mapred.YarnChild.run(YarnChild.java:164)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:415)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1693)
    at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)
Caused by: java.lang.ClassNotFoundException: Class org.apache.oozie.action.hadoop.SparkMain not found
    at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:2105)
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:2197)
    ... 9 more

job.properties:

oozie.use.system.libpath=false
security_enabled=False
dryrun=False
jobTracker=master.meshiang:8032
nameNode=hdfs://master.meshiang:8020

我的工作流程

<workflow-app name="CSV" xmlns="uri:oozie:workflow:0.4">
    <start to="spark-2bab"/>
    <kill name="Kill">
        <message>Action failed, error message[${wf:errorMessage(wf:lastErrorNode())}]</message>
    </kill>
    <action name="spark-2bab">
        <spark xmlns="uri:oozie:spark-action:0.1">
            <job-tracker>${jobTracker}</job-tracker>
            <name-node>${nameNode}</name-node>
            <master>local[*]</master>
            <mode>client</mode>
            <name>MySpark</name>
              <class>ETL.CSVTransform</class>
            <jar>/user/meshiang/jar/Spark-GetData.jar</jar>
              <arg>work_id</arg>
              <arg>csv_table</arg>
              <arg>id/FirstName/Lastname</arg>
              <arg>/user/meshiang/csv/ST1471448595.csv</arg>
              <arg>,</arg>
        </spark>
        <ok to="End"/>
        <error to="Kill"/>
    </action>
    <end name="End"/>
</workflow-app>

我已经做了:

  1. 当我把同样的jar放到工作区的/lib文件夹下,使用方法同上。作业 运行 10 分钟后自行终止,并且没有显示任何错误代码或消息。
  2. 我 运行 Hue 中的 Spark Example 作业。我收到以下消息

错误:

JA018
Error Message   Job aborted due to stage failure: Task 0 in stage 0.0 failed 1 times, most recent failure: Lost task 0.0 in stage 0.0 (TID 0, localhost): java.lang.RuntimeException: Stream '/jars/oozie-examples.jar' was not found. at org.apache.spark.network.client.TransportResponseHandler.handle(TransportResponseHandler.java:219) at org.apache.spark.network.server.TransportChannelHandler.channelRead0(TransportChannelHandler.java:106) at org.apache.spark.network.server.TransportChannelHandler.channelRead0(Tr

我的问题 :

  1. 我应该只编译我需要的 类 并使用 Oozie ShareLibs 吗? Oozie 一般支持 Uber JARS 吗?
  2. 如果我正在使用 Pig/Sqoop,我需要做同样的事情吗?

要解决 ClassNotFoundException: Class org.apache.oozie.action.hadoop.SparkMain 您需要启用 oozie 系统库 属性。

oozie.use.system.libpath=true.

这是 运行 任何 Hive、Pig、Sqoop、Spark 等作业所必需的。

您可以编译构建 spark 应用程序 jar,并将它们放入 oozie 应用程序路径下的 lib 目录中。 Oozie 应用程序路径是您在 HDFS 中存储和引用 workflow.xml 文件的目录。

希望这会有所帮助。谢谢