在VM中部署的獨立群集中，Spark流不起作用

Question

我使用Scala編寫了Kafka流程序並在Spark獨立集群中執行。 代碼在我的本地工作正常。 我在Azure VM中完成了Kafka，Cassandra和Spark設置。 我已打開所有入站和出站端口以避免端口阻塞。

開始大師

sbin目錄> ./ start-master.sh

開始奴隸

sbin＃。/ start-slave.sh spark：// vm-hostname：7077

我已在Master WEB UI中驗證了此狀態。

提交工作

bin＃。/ spark-submit --class xyStreamJob --master spark：// vm-hostname：7077 /home/user/appl.jar

我注意到在WEB WEB UI中添加並顯示了Application。

我已經向主題發布了一些消息，並且沒有收到消息並將其保存到Cassandra DB。

我在主Web控制台上單擊了應用程序名稱，發現該應用程序控制台頁面中的Streaming選項卡不可用 。

為什么應用程序不能在VM中運行並且在本地運行良好？

如何在VM中調試問題？

def main(args: Array[String]): Unit = {
    val spark = SparkHelper.getOrCreateSparkSession()
    val ssc = new StreamingContext(spark.sparkContext, Seconds(1))
    spark.sparkContext.setLogLevel("WARN")
    val kafkaStream = {
      val kafkaParams = Map[String, Object](
        "bootstrap.servers" -> 
                "vmip:9092",
        "key.deserializer" -> classOf[StringDeserializer],
        "value.deserializer" -> classOf[StringDeserializer],
        "group.id" -> "loc",
        "auto.offset.reset" -> "latest",
        "enable.auto.commit" -> (false: java.lang.Boolean)
      )

      val topics = Array("hello")
      val numPartitionsOfInputTopic = 3
      val streams = (1 to numPartitionsOfInputTopic) map {
        _ => KafkaUtils.createDirectStream[String, String]( ssc, PreferConsistent, Subscribe[String, String](topics, kafkaParams) )
      }
     streams
    }


    kafkaStream.foreach(rdd=> {
      rdd.foreachRDD(conRec=> {
        val offsetRanges = conRec.asInstanceOf[HasOffsetRanges].offsetRanges
        conRec.foreach(str=> {
          try {
            println(str.value().trim)
            CassandraHelper.saveItemEvent(str.value().trim)

          }catch {
            case ex: Exception => {
              println(ex.getMessage)
            }
          }
        })
        rdd.asInstanceOf[CanCommitOffsets].commitAsync(offsetRanges)
      })
      println("Read Msg")
    })
    println(" Spark parallel reader is ready !!!")
    ssc.start()
    ssc.awaitTermination()
  }

  def getSparkConf(): SparkConf = {
    val conf = new SparkConf(true)
      .setAppName("TestAppl")
      .set("spark.cassandra.connection.host", "vmip")
      .set("spark.streaming.stopGracefullyOnShutdown","true")
    .setMaster("spark://vm-hostname:7077")

    conf
  }

版

scalaVersion := "2.11.8"
val sparkVersion = "2.2.0"
val connectorVersion = "2.0.7"


libraryDependencies ++= Seq(
  "org.apache.spark" %% "spark-core" % sparkVersion %"provided",
  "org.apache.spark" %% "spark-sql" % sparkVersion  %"provided",
  "org.apache.spark" %% "spark-hive" % sparkVersion %"provided",
  "com.datastax.spark" %% "spark-cassandra-connector" % connectorVersion  ,
  "org.apache.kafka" %% "kafka" % "0.10.1.0",
  "org.apache.spark" %% "spark-streaming-kafka-0-10" % sparkVersion,
  "org.apache.spark" %% "spark-streaming" %  sparkVersion  %"provided",
)
mergeStrategy in assembly := {
  case PathList("org", "apache", "spark", "unused", "UnusedStubClass.class") => MergeStrategy.first
  case x => (mergeStrategy in assembly).value(x)
}

Answer 1

要調試您的問題，首先要考慮的是確保消息通過Kafka。 為此，您需要在VM上打開端口9092並嘗試直接從Kafka使用

bin/kafka-console-consumer.sh --bootstrap-server vmip:9092 --topic hello --from-beginning

從開始選項將消耗您在Kafka主題上配置的最長保留時間。

還要檢查您的VM中沒有2個版本的Spark，並且需要使用“spark2-submit”提交Spark2作業。