Spark工作节点无法访问主节点上的文件

我正试图通过我的Spark Scala代码连接到Presto DB，并在EMR集群上运行它。我可以创建RDD，但当工作节点试图获取数据时，代码失败，表示找不到文件(密钥库不存在(，尽管它存在于主节点中。有没有一种方法可以将Keystore文件复制到子节点？以下是我的代码和步骤，我正在遵循

第一步我使用以下命令将证书复制到tmp文件夹

s3-dist-cp --src s3://test/rootca_ca.jks --dest /tmp/

然后我用下面的命令运行下面的代码

spark-submit --executor-memory=10G --driver-memory=10G --executor-cores=2 --jars s3://test1/jars/presto-jdbc-338-e.0.jar  --class com.asurion.prestotest --master yarn s3://test1/script/prestotest.jar 

package com.asurion
import org.apache.spark._
import org.apache.spark.SparkContext._
import org.apache.log4j._
import org.apache.spark.sql.SQLContext 
import org.apache.spark.sql.functions._
import org.apache.spark.sql.types._
import org.apache.spark.sql.SparkSession
import org.apache.spark.storage.StorageLevel
import java.time.LocalDateTime
import java.util.concurrent._

object prestotest {
def main(args: Array[String]) {
Logger.getLogger("org").setLevel(Level.OFF)
Logger.getLogger("akka").setLevel(Level.OFF)
val conf = new SparkConf().setAppName("testapp")
val sc = new SparkContext(conf);
val sqlcontext = SparkSession.builder().getOrCreate()


val carrier_info =" select * from test_tbl  "

val enrdata = sqlcontext.read.format("jdbc").option("url", "jdbc:presto://test.atlas.prd.aws.test.net:18443/hive").option("SSL","true").option("SSLTrustStorePath","/tmp/rootca_ca.jks").option("SSLTrustStorePassword","pass1").option("query", carrier_info).option("user", "user1").option("password", "pass2").option("driver", "io.prestosql.jdbc.PrestoDriver").load()

println("Writing Statistics"   )    
enrdata.show(5)

println("Writing done"   )     

}
}

错误：

scheduler.TaskSetManager (Logging.scala:logWarning(66)): Lost task 0.0 in stage 0.0 (TID 0, 100.64.187.253, executor 1): java.sql.SQLException: Error setting up SSL: /tmp/rootca_ca.jks (No such file or directory)
at io.prestosql.jdbc.PrestoDriverUri.setupClient(PrestoDriverUri.java:235)
at io.prestosql.jdbc.PrestoDriver.connect(PrestoDriver.java:88)
at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$createConnectionFactory$1.apply(JdbcUtils.scala:63)
at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$createConnectionFactory$1.apply(JdbcUtils.scala:54)
at org.apache.spark.sql.execution.datasources.jdbc.JDBCRDD.compute(JDBCRDD.scala:272)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:324)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:288)
at org.apache.spark.rdd.MapPartitionsRDD.compute(MapPartitionsRDD.scala:52)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:324)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:288)
at org.apache.spark.rdd.MapPartitionsRDD.compute(MapPartitionsRDD.scala:52)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:324)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:288)
at org.apache.spark.rdd.MapPartitionsRDD.compute(MapPartitionsRDD.scala:52)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:324)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:288)
at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:90)
at org.apache.spark.scheduler.Task.run(Task.scala:121)
at org.apache.spark.executor.Executor$TaskRunner$$anonfun$10.apply(Executor.scala:408)
at org.apache.spark.util.Utils$.tryWithSafeFinally(Utils.scala:1360)
at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:414)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
at java.lang.Thread.run(Thread.java:748)
Caused by: io.prestosql.jdbc.$internal.client.ClientException: Error setting up SSL: /tmp/rootca_ca.jks (No such file or directory)
at io.prestosql.jdbc.$internal.client.OkHttpUtil.setupSsl(OkHttpUtil.java:241)
at io.prestosql.jdbc.PrestoDriverUri.setupClient(PrestoDriverUri.java:203)
... 23 more
Caused by: java.io.FileNotFoundException: /tmp/rootca_ca.jks (No such file or directory)
at java.io.FileInputStream.open0(Native Method)
at java.io.FileInputStream.open(FileInputStream.java:195)
at java.io.FileInputStream.<init>(FileInputStream.java:138)
at io.prestosql.jdbc.$internal.client.OkHttpUtil.loadTrustStore(OkHttpUtil.java:308)
at io.prestosql.jdbc.$internal.client.OkHttpUtil.setupSsl(OkHttpUtil.java:220)

Spark on EMR在其中一个CORE节点(默认情况下(中创建驱动程序，而不是在主代码中。

驱动程序(在CORE节点上(无法访问主节点中的文件。

那么你有什么选择？

在启动EMR集群时，编写引导脚本将rootca_ca.jks文件(s3 cp(复制到每个工作者(CORE&TASK(节点，并且不需要更改程序中的任何内容
当您使用s3-dist-cp复制文件时，它会将您的文件放在HDFS中，而不是放在linux文件系统中
要访问该文件，您需要添加文件系统perfix。hdfs:///tmp/rootca_ca.jks
您不需要将名称节点地址&端口，因为它是由core-site.xml中的EMR配置的
由于您的文件已经在S3中，所以您可以使用EMRFS(它只是作为hadoop文件系统的S3(。要使用EMRFS访问文件，只需输入S3 urls3://test/rootca_ca.jks
但请确保您的EC2 EMR IAM角色有权从S3获取对象
此外，它也有自己的成本，但由于您的文件很小，您可以利用它

选项1:很难随着时间的推移进行维护，如果您的文件需要在运行集群时进行更改，则必须在每个工作节点上手动进行更改。
选项2:由于HDFS是共享文件系统，您可能需要在一个地方维护文件。
选项3:与选项2没有太大区别，只是您的文件保留并从S3读取。您不必在HDFS中复制文件。

相关内容

最新更新

热门标签：