Spark流在部署在VM中的独立群集中不起作用

Question

我已经使用Scala编写了Kafka流程序，并在Spark独立群集中执行。代码在我的本地工作正常。我在Azure VM中完成了Kafka，Cassandra和Spark设置。我已经打开了所有入站和出站端口，以避免端口阻塞。

启动主人

sbin> ./start-master.sh

开始从属

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

我已经在Master Web UI中验证了此状态。

提交作业

bin＃。/spark-submit-级X.Y.Streamjob-主机 spark：//vm-hostname：7077/home/user/appl.jar

我注意到该应用程序已添加并显示在主Web UI中。

我发表了很少的有关主题的消息，没有收到消息并将其持续到Cassandra db。

。

我单击了主Web控制台上的应用程序名称，并注意到该应用程序控制台页面中没有流式选项卡。

为什么应用程序在VM中不起作用并在本地工作？

如何在VM中调试问题？

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
  }

版本

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

要调试您的问题，第一个认为是确保消息通过kafka。为此，您需要在VM上打开端口9092，然后尝试直接从kafka

开始消费

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

从开始选项将消耗所有内容，直到您在kafka主题上配置的最大保留时间。

还要检查您的VM中没有2个版本的Spark，并且您需要使用" Spark2-Submit"提交Spark2作业。