- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
好的,所以我问了一个有点相似的 question与 Spark 如何在内部处理异常有关,但我当时的示例并不是很清楚或完整。那里的答案为我指明了方向,但我无法真正解释一些事情。
我已经设置了一个虚拟的 Spark 流应用程序,在转换阶段我有一个俄罗斯轮盘赌表达式,它可能会或不会抛出异常。如果抛出异常,我会停止 Spark 流上下文。就是这样,没有其他逻辑,没有RDD
转型。
object ImmortalStreamingJob extends App {
val conf = new SparkConf().setAppName("fun-spark").setMaster("local[*]")
val ssc = new StreamingContext(conf, Seconds(1))
val elems = (1 to 1000).grouped(10)
.map(seq => ssc.sparkContext.parallelize(seq))
.toSeq
val stream = ssc.queueStream(mutable.Queue[RDD[Int]](elems: _*))
val transformed = stream.transform { rdd =>
try {
if (Random.nextInt(6) == 5) throw new RuntimeException("boom")
else println("lucky bastard")
rdd
} catch {
case e: Throwable =>
println("stopping streaming context", e)
ssc.stop(stopSparkContext = true, stopGracefully = false)
throw e
}
}
transformed.foreachRDD { rdd =>
println(rdd.collect().mkString(","))
}
ssc.start()
ssc.awaitTermination()
}
RDD
之后抛出异常已处理,打印错误信息后app挂起,永不停止,这不是我想要的foreachRDD
解决了这个问题。
最佳答案
你只会看到异常表现在 Action 中(如本例中的 foreachRDD
)而不是转换(如本例中的 transform
),因为 Action 执行转换是惰性的。这意味着您的转换甚至在操作之前都不会发生。这是必要的原因需要改变您对分布式处理如何工作的心理模型。
考虑一个传统的单线程程序。代码逐行执行,如果抛出异常但未处理,则后续代码行不会执行。在分布式系统中,相同的 Spark 转换在多台机器上并行运行(以不同的速度),当抛出异常时会发生什么?这不是那么简单,因为一台机器上的异常独立于其他机器上的代码处理,这就是你想要的。希望分散在整个集群中的所有独立任务只是在出现异常时关闭,这只是单机思维,不会转化为分布式范式。司机应该如何处理?
根据现在 Databricks 和 Spark 的创建者之一回到伯克利的 Matei Zaharia 所说,“异常应该发送回驱动程序并记录在那里(如果任务失败超过 4 次,则会抛出 SparkException
)。” (顺便说一下,这个默认的重试次数可以用 spark.task.maxFailures
更改。)。所以如果在执行器上正确配置了 Log4J,异常就会被记录在那里;然后它将被序列化并发回给驱动程序,默认情况下,驱动程序将再试 3 次。
在您的特定情况下,我猜您有几件事情要做。首先,您在单台机器上运行,这会让人误解异常处理在分布式模型中的工作方式。其次,您过早地停止了上下文。停止上下文 is an extremely destructive operation ,包括停止所有听众和 DAGScheduler
.坦率地说,我不知道当你基本上关掉灯时,你怎么能期望 Spark 把所有东西都包装得如此整洁。
最后,我要提到一个更优雅的异常处理模型可能会在 Try
中执行您的转换。 .您最终可能会得到更麻烦的代码,因为您的转换将返回 RDD[Try[T]]
或 DStream[Try[T]]
,这意味着您必须处理 Success
和 Failure
每个元素的案例。但是您将能够利用 monad 提供的所有好处向下游传播成功和错误信息,包括映射 RDD[Try[A]] => RDD[Try[B]]
甚至使用 for
理解(凭借 flatMap
)。
关于scala - "Immortal"Spark 流作业?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43273783/
目前正在学习 Spark 的类(class)并了解到执行者的定义: Each executor will hold a chunk of the data to be processed. Thisc
阅读了有关 http://spark.apache.org/docs/0.8.0/cluster-overview.html 的一些文档后,我有一些问题想要澄清。 以 Spark 为例: JavaSp
Spark核心中的调度器与以下Spark Stack(来自Learning Spark:Lightning-Fast Big Data Analysis一书)中的Standalone Schedule
我想在 spark-submit 或 start 处设置 spark.eventLog.enabled 和 spark.eventLog.dir -all level -- 不要求在 scala/ja
我有来自 SQL Server 的数据,需要在 Apache Spark (Databricks) 中进行操作。 在 SQL Server 中,此表的三个键列使用区分大小写的 COLLATION 选项
所有这些有什么区别和用途? spark.local.ip spark.driver.host spark.driver.bind地址 spark.driver.hostname 如何将机器修复为 Sp
我有大约 10 个 Spark 作业,每个作业都会进行一些转换并将数据加载到数据库中。必须为每个作业单独打开和关闭 Spark session ,每次初始化都会耗费时间。 是否可以只创建一次 Spar
/Downloads/spark-3.0.1-bin-hadoop2.7/bin$ ./spark-shell 20/09/23 10:58:45 WARN Utils: Your hostname,
我是 Spark 的完全新手,并且刚刚开始对此进行更多探索。我选择了更长的路径,不使用任何 CDH 发行版安装 hadoop,并且我从 Apache 网站安装了 Hadoop 并自己设置配置文件以了解
TL; 博士 Spark UI 显示的内核和内存数量与我在使用 spark-submit 时要求的数量不同 更多细节: 我在独立模式下运行 Spark 1.6。 当我运行 spark-submit 时
spark-submit 上的文档说明如下: The spark-submit script in Spark’s bin directory is used to launch applicatio
关闭。这个问题是opinion-based .它目前不接受答案。 想改善这个问题吗?更新问题,以便可以通过 editing this post 用事实和引文回答问题. 6 个月前关闭。 Improve
我想了解接收器如何在 Spark Streaming 中工作。根据我的理解,将有一个接收器任务在执行器中运行,用于收集数据并保存为 RDD。当调用 start() 时,接收器开始读取。需要澄清以下内容
有没有办法在不同线程中使用相同的 spark 上下文并行运行多个 spark 作业? 我尝试使用 Vertx 3,但看起来每个作业都在排队并按顺序启动。 如何让它在相同的 spark 上下文中同时运行
我们有一个 Spark 流应用程序,这是一项长期运行的任务。事件日志指向 hdfs 位置 hdfs://spark-history,当我们开始流式传输应用程序时正在其中创建 application_X
我们正在尝试找到一种加载 Spark (2.x) ML 训练模型的方法,以便根据请求(通过 REST 接口(interface))我们可以查询它并获得预测,例如http://predictor.com
Spark newb 问题:我在 spark-sql 中进行完全相同的 Spark SQL 查询并在 spark-shell . spark-shell版本大约需要 10 秒,而 spark-sql版
我正在使用 Spark 流。根据 Spark 编程指南(参见 http://spark.apache.org/docs/latest/programming-guide.html#accumulato
我正在使用 CDH 5.2。我可以使用 spark-shell 运行命令。 如何运行包含spark命令的文件(file.spark)。 有没有办法在不使用 sbt 的情况下在 CDH 5.2 中运行/
我使用 Elasticsearch 已经有一段时间了,但使用 Cassandra 的经验很少。 现在,我有一个项目想要使用 Spark 来处理数据,但我需要决定是否应该使用 Cassandra 还是
我是一名优秀的程序员,十分优秀!