spark-streaming - Spark Streaming UpdateStateByKey

Question

我正在运行一个 24X7 的 Spark 流并使用 updateStateByKey 函数来保存计算的历史数据，就像 NetworkWordCount Example 的情况一样..

我试图流式传输一个包含 3lac 记录的文件，每 1500 条记录有 1 秒的 sleep 时间。
我正在使用 3 名 worker

经过一段时间 updateStateByKey 不断增长，然后程序抛出以下异常

错误执行程序:任务 ID 1635 中的异常
java.lang.ArrayIndexOutOfBoundsException: 3

14/10/23 21:20:43 ERROR TaskSetManager: Task 29170.0:2 failed 1 times; aborting job
14/10/23 21:20:43 ERROR DiskBlockManager: Exception while deleting local spark dir: /var/folders/3j/9hjkw0890sx_qg9yvzlvg64cf5626b/T/spark-local-20141023204346-b232
java.io.IOException: Failed to delete: /var/folders/3j/9hjkw0890sx_qg9yvzlvg64cf5626b/T/spark-local-20141023204346-b232/24

14/10/23 21:20:43 ERROR Executor: Exception in task ID 8037
java.io.FileNotFoundException: /var/folders/3j/9hjkw0890sx_qg9yvzlvg64cf5626b/T/spark-local-20141023204346-b232/22/shuffle_81_0_1 (No such file or directory)
    at java.io.FileOutputStream.open(Native Method)

如何处理？
我猜 updateStateByKey 应该随着它的快速增长而定期重置，请分享一些关于何时以及如何重置 updateStateByKey 的例子......或者我还有其他问题吗？一些启发。

任何帮助深表感谢。谢谢你的时间

Answer 1

您是否设置了检查点
ssc.checkpoint("检查点的路径")