学习Spark——那些让你精疲力尽的坑
这一个月我都干了些什么……
工作上，还是一如既往的写bug并不亦乐乎的修bug。学习上，最近看了一些非专业书籍，时常在公众号（JackieZheng）上写点小感悟，我刚稍稍瞄了下，最近五篇居然都跟技术无关，看来我与本行业已经是渐行渐远了。
所以，趁着这篇博客，重拾自己，认清自己，要时刻谨记我是一名码农。不过，摸着良心说，最近的技术方面也是有所感悟和积累的，比如如何写好设计文档，如何使用延时队列，如何使用防刷技术等等。当然了，今天我们还是沿着“学习Spark”这条路继续走下去。
上篇主要介绍了在Mac下如何下载安装Hadoop、Scala和Spark并成功启动环境。文章结尾庆幸没有遇到大坑，事实证明不是没有遇到，只是时间还没到，这篇就介绍下自己遇到的各种坑。我不知道各位是否遇到过并能轻松解决，反正我是被这些小问题搞得精疲力尽，故在此总结以备忘。
1.1 Scala与Intellij集成报错
在Scala安装成功后，准备到Intellij上写Scala代码，发现Scala都配好了（关于如何配置，网上资料很多），结果运行Scala程序时报错。
错误：Error:scalac: Multiple 'scala-library*.jar' files (scala-library.jar, scala-library.jar, scala-library.jar) in Scala compiler classpath in Scala SDK scala-sdk-2.12.2
解决方法：在OverStackflow上找到了思路。在Intellij中打开project structure，删除已有的Scala的路径（我的Scala是安装在/usr/local/Cellar/scala/2.12.2路径下的）,重新添加/usr/local/Cellar/scala/2.12.2/idea/lib目录即可。
改动前
改动后
1.2 Scala语法Intellij不认
在Intellij中写了一个Scala的HelloWorld，代码如下
/*** Created by jackie on 17/5/7.*/ package com.jackie.scala.s510object HelloWorld {def main(args: Array[String]): Unit = {println("hello world")println(increaseAnother(5));println(Array(1,2,3,4).map{(x:Int)=>x+1}.mkString(","));println(Array(1,2,3,4) map{(x:Int)=>x+1} mkString(","));println(Array(1,2,3,4) map{(x:Int)=>x+1} mkString(","));// test objectvar person = new Person()person.name_=("john") // name_=()对应java中的setter方法println("Person name:" + person.name)person.name = "Jackie"println("Person name:" + person.name)var mp = new MyPerson()mp.name_("alihaha")println("MyPerson name:" + person.name)var pwp = new PersonWithParam("Jackie", 18)println("PersonWithParam:" + pwp.toString())}def increaseAnother(x: Int): Int = x + 1}运行的时候，报错mkString无法识别。
错误：mkString can't be resolved
解决方法：需要交代下我各个环境的版本参数，Intellij-14.0， jdk-8， scala-2.12.2。但是在Intellij中能选择的Scala最高版本只有2.11，所有后来将Intellij升级到2017.1版本，这时候还报错Error:scalac: Error: org.jetbrains.jps.incremental.scala.remote.ServerException，然后在Intellij中打开project structure，将scala由2.12.2换成2.11.7，问题解决。
1.3 Spark与Intellij集成的问题
Spark环境都安装好了，所以想在Intellij中运行Spark程序，但是在添加了Spark的相关依赖后，发现无法编译通过。
错误：Exception NoSuchMethodError: com.google.common.collect.MapMaker.keyEquivalence
解决方法：实现声明，之前在maven中一直引用的都是spark-core2.10，这时候报错，我定位问题出在Guava上，然后找到所有间接依赖了Guava的jar，都exclude，问题还是没有解决。期间添加了Spark的很多依赖，试了都不行，最后试了下Spark-core2.11，问题解决（有的时候版本的兼容性真的很坑）。
1.4 hadoop上传本地文件到HDFS
如果想将本地文件上传到HDFS，使用hadoop fs -put localDir hdfsDir，前提是保证hadoop启动。
错误：
解决方法：进入hadoop安装目录（我的是/usr/local/Cellar/hadoop）进入sbin下执行./start-all.sh启动hadoop服务。
1.5 Spark启动
上篇在配置Spark时没有配置spark-defaults.conf文件，所以在Spark安装目录下（我的是/usr/local/Spark）启动./start-all.sh出错。
错误：
解决方法：将Spark安装目录下的conf中的spark-defaults.conf.template拷贝一份出来，重命名为spark-defaults.conf，按照https://sanwen8.cn/p/3bac5Bj.html配置好，再启动Spark，发现还是报错
https://sanwen8.cn/p/3bac5Bj.html Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties Setting default log level to "WARN". To adjust logging level use sc.setLogLevel(newLevel). 17/05/13 14:19:12 WARN NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/13 14:19:15 ERROR SparkContext: Error initializing SparkContext. java.net.ConnectException: Call From jackies-MacBook-Pro.local/192.168.73.56 to 192.168.73.56:8021 failed on connection exception: java.net.ConnectException: Connection refused; For more details see: http://wiki.apache.org/hadoop/ConnectionRefusedat sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)于是按照StackOverflow，将spark-defaults.conf中的spark.eventLog.enabled由true改为false，之后再启动成功。
注意：这里我反复配置了localhost和自己的ip，来回切换，最终证明只要在/etc/hosts中配置好ip对应映射的名称，可以直接用名称即可，不用写ip，而且要保持hadoop中的配置文件和spark中的配置文件要一致，否则针对会精疲力尽。
1.6 将运算任务交给Spark运行的报错
运行下面的一个Demo程序
package com.jackie.scala.s513;import org.apache.spark.SparkConf; import org.apache.spark.api.java.JavaPairRDD; import org.apache.spark.api.java.JavaRDD; import org.apache.spark.api.java.JavaSparkContext; import org.apache.spark.api.java.function.FlatMapFunction; import org.apache.spark.api.java.function.Function2; import org.apache.spark.api.java.function.PairFunction; import scala.Tuple2;import java.util.Arrays; import java.util.Iterator; import java.util.List; import java.util.regex.Pattern;/*** Created by jackie on 17/5/13.*/ public class Simple {private static final Pattern SPACE = Pattern.compile(" ");public static void main(String[] args) throws Exception {//创建一个RDD对象SparkConf conf=new SparkConf().setAppName("Simple").setMaster("local");//创建spark上下文对象，是数据的入口JavaSparkContext spark=new JavaSparkContext(conf);//获取数据源JavaRDD<String> lines = spark.textFile("hdfs://jackie:8020/");/*** 对于从数据源得到的DStream，用户可以在其基础上进行各种操作，* 对于当前时间窗口内从数据源得到的数据首先进行分割，* 然后利用Map和ReduceByKey方法进行计算，当然最后还有使用print()方法输出结果；*/JavaRDD<String> words = lines.flatMap(new FlatMapFunction<String, String>() {@Overridepublic Iterator<String> call(String s) {return Arrays.asList(SPACE.split(s)).iterator();}});//使用RDD的map和reduce方法进行计算JavaPairRDD<String, Integer> ones = words.mapToPair(new PairFunction<String, String, Integer>() {@Overridepublic Tuple2<String, Integer> call(String s) {return new Tuple2<String, Integer>(s, 1);}});JavaPairRDD<String, Integer> counts = ones.reduceByKey(new Function2<Integer, Integer, Integer>() {@Overridepublic Integer call(Integer i1, Integer i2) {return i1 + i2;}});List<Tuple2<String, Integer>> output = counts.collect();for (Tuple2<?,?> tuple : output) {//输出计算结果System.out.println(tuple._1() + ": " + tuple._2());}spark.stop();} }这个程序需要读取HDFS上根目录下的README.md文件，但是在此之前我执行了"hadoop namenode -format"（注意，这个操作引起了后面的一系列问题）。所以就准备重新使用hadoop fs -put localDir hdfsDir上传README.md，结果这时候报错
错误：
后来发现是datanode没有启动，然后开始找datanode没有启动的原因，在这里http://www.aboutyun.com/thread-7931-1-1.html
文中解释：当我们执行文件系统格式化时，会在namenode数据文件夹（即配置文件中dfs.name.dir在本地系统的路径）中保存一个current/VERSION文件，记录namespaceID，标识了所格式化的 namenode的版本。如果我们频繁的格式化namenode，那么datanode中保存（即配置文件中dfs.data.dir在本地系统的路径）的current/VERSION文件只是你第一次格式化时保存的namenode的ID，因此就会造成datanode与namenode之间的id不一致。
解决方法：采取的做法是根据执行hadoop namenode –format得到成功的提示。
这时候再执行jps命令，我们就可以看到datanode了
类似的，同样是在执行hadoop fs -put /Users/jackie/Documents/doc/README.md /是报错如下
hadoop fs -put /Users/jackie/Documents/doc/README.md / 17/05/15 09:51:04 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable 17/05/15 09:51:05 WARN ipc.Client: Failed to connect to server: jackie/192.168.73.56:8020: try once and fail. java.net.ConnectException: Connection refusedat sun.nio.ch.SocketChannelImpl.checkConnect(Native Method)at sun.nio.ch.SocketChannelImpl.finishConnect(SocketChannelImpl.java:717)at org.apache.hadoop.net.SocketIOWithTimeout.connect(SocketIOWithTimeout.java:206)at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:531)at org.apache.hadoop.net.NetUtils.connect(NetUtils.java:495)at org.apache.hadoop.ipc.Client$Connection.setupConnection(Client.java:681)at org.apache.hadoop.ipc.Client$Connection.setupIOstreams(Client.java:777)at org.apache.hadoop.ipc.Client$Connection.access$3500(Client.java:409)一开始以为是ip的配置问题，但是反复修改无果，后来发现使用jps时，没有启动namenode，于是在网上找http://blog.csdn.net/bychjzh/article/details/7830508
于是在/usr/local/Cellar/hadoop/hdfs下删除原来在core-site.xml中配置的tmp目录，然后新建了hadoop_tmp目录，并在core-site.xml中修改成
并执行hadoop namenode –format，最后在使用start-all.sh启动所有的服务，执行上传文件成功
如果您觉得阅读本文对您有帮助，请点一下“推荐”按钮，您的“推荐”将是我最大的写作动力！如果您想持续关注我的文章，请扫描二维码，关注JackieZheng的微信公众号，我会将我的文章推送给您，并和您一起分享我日常阅读过的优质文章。
转载于:https://www.cnblogs.com/bigdataZJ/p/hellospark2.html
总结
以上是生活随笔为你收集整理的学习Spark——那些让你精疲力尽的坑的全部内容，希望文章能够帮你解决所遇到的问题。
- 上一篇： Selenium Web 自动化 - 项
- 下一篇： elk系列5之syslog的模块使用