IDEA-调试Spark任务

1、首选创建项目，创建方法请看：https://blog.csdn.net/sunxiaoju/article/details/101229620

2、添加远程同步目录(或者叫远程映射)，首选选择Tools->Deployment->Configuration...，如下图所示：

3、然后选择+号，选择SFTP，如下图所示：

4、输入名称，如下图所示：

5、输入要远程执行spark的host，用户名和密码，如下图所示：

6、输入之后进行测试SFTP是否成功，如果不成功请检查远程主机是否支持SFTP，如下图所示：

扫描二维码关注公众号，回复： 12463852 查看本文章

7、然后输入远程目录，如下图所示：

8、选择Mappings选项，配置本地目录和远程的二级目录，如下图所示：

9、配置远程目录时，可以选择后边的文件夹图标，可以列出二级目录，如下图所示：

10、如果没有要选择的目录，可以新建一个，然后在选择，如下图所示：

11、选择之后就会自动填到路径中，如下图所示：

12、开始配置编译好之后自动上传至远程服务器上，选择Tools->Deployment->Options...如下图所示：

13、在Upload changed files automatiically to the default server中选择Always，如下图所示：

14、此时在选择Tools->Deployment就会看到Automatic Upload（always）打上了对勾，并且可以选择Browse Remote Host浏览全程目录，如下图所示：

15、在Browse Remote Host就可以看到远程目录了，如下图所示：

16、修改代码，代码如下：

1. package com.spark

2.  

3. import org.apache.spark.{SparkConf, SparkContext}

4.  

5. object WordCount {

6. def main(args: Array[String]) {

7.  

8. val conf = new SparkConf().setAppName("WorkCount")

9. .setMaster("spark://master:7077")

10.  
11.  
12.  

13. val sc = new SparkContext(conf)

14. //sc.addJar("E:\\sunxj\\idea\\spark\\out\\artifacts\\spark_jar\\spark.jar")

15. //val line = sc.textFile(args(0))

16. val file=sc.textFile("hdfs://master:9000/user_data/worldcount.txt")

17. val rdd = file.flatMap(line => line.split(" ")).map(word => (word,1)).reduceByKey(_+_)

18. rdd.collect()

19. rdd.foreach(println)

20. rdd.collectAsMap().foreach(println)

21. }

22. }

如下图所示：

17、pom.xml文件内容如下：

1. <?xml version="1.0" encoding="UTF-8"?>

2. <project xmlns="http://maven.apache.org/POM/4.0.0"

3. xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

4. xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

5. <modelVersion>4.0.0</modelVersion>

6.  

7. <groupId>sparktest</groupId>

8. <artifactId>spark</artifactId>

9. <version>1.0-SNAPSHOT</version>

10.  
11.  

12. <dependencies>

13. <dependency>

14. <groupId>org.apache.spark</groupId>

15. <artifactId>spark-core_2.10</artifactId>

16. <version>1.6.3</version>

17. </dependency>

18. <dependency>

19. <groupId>org.apache.hadoop</groupId>

20. <artifactId>hadoop-client</artifactId>

21. <version>2.6.5</version>

22. </dependency>

23. </dependencies>

24. <build>

25. <plugins>

26. <plugin>

27. <groupId>org.scala-tools</groupId>

28. <artifactId>maven-scala-plugin</artifactId>

29. <version>2.15.2</version>

30. <executions>

31. <execution>

32. <goals>

33. <goal>compile</goal>

34. <goal>testCompile</goal>

35. </goals>

36. </execution>

37. </executions>

38. </plugin>

39. <plugin>

40. <groupId>org.apache.maven.plugins</groupId>

41. <artifactId>maven-assembly-plugin</artifactId>

42. <version>3.1.1</version>

43. <configuration>

44. <archive>

45. <manifest>

46. <mainClass>com.spark.WordCount</mainClass>

47. </manifest>

48. </archive>

49. <descriptorRefs>

50. <descriptorRef>jar-with-dependencies</descriptorRef>

51. </descriptorRefs>

52. </configuration>

53. <executions>

54. <execution>

55. <id>make-assembly</id>

56. <phase>package</phase>

57. <goals>

58. <goal>single</goal>

59. </goals>

60. </execution>

61. </executions>

62. </plugin>

63. </plugins>

64. </build>

65. </project>

注意：如果没有以下内容会出现无法将scala文件打包到jar的

1. <plugin>

2. <groupId>org.scala-tools</groupId>

3. <artifactId>maven-scala-plugin</artifactId>

4. <version>2.15.2</version>

5. <executions>

6. <execution>

7. <goals>

8. <goal>compile</goal>

9. <goal>testCompile</goal>

10. </goals>

11. </execution>

12. </executions>

13. </plugin>

在执行时有可能会出现

Listening for transport dt_socket at address: 8888
java.lang.ClassNotFoundException: WordCount
    at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:348)
    at org.apache.spark.util.Utils$.classForName(Utils.scala:175)
    at org.apache.spark.deploy.SparkSubmit$.org$apache$spark$deploy$SparkSubmit$$runMain(SparkSubmit.scala:689)
    at org.apache.spark.deploy.SparkSubmit$.doRunMain$1(SparkSubmit.scala:181)
    at org.apache.spark.deploy.SparkSubmit$.submit(SparkSubmit.scala:206)
    at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:121)
    at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)
如下图所示：

18、然后执行mvn package命令进行打包，如下图所示：

19、此时会在项目目录中生成一个target目录，如下图所示：

20、然后查看远程目录中是否有该目录，如下图所示：

21、然后在远程进入到该目录执行：

spark-submit --class com.spark.WordCount --master spark://master:7077  --driver-java-options "-Xdebug  -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8888" spark-1.0-SNAPSHOT-jar-with-dependencies.jar 

命令解释：

-Xdebug 启用调试特性

-Xrunjdwp 启用JDWP实现，包含若干子选项：

transport=dt_socket JPDA front-end和back-end之间的传输方法。dt_socket表示使用套接字传输。

address=8888 JVM在8888端口上监听请求，这个设定为一个不冲突的端口即可。

server=y y表示启动的JVM是被调试者。如果为n，则表示启动的JVM是调试器。

suspend=y y表示启动的JVM会暂停等待，直到调试器连接上才继续执行。suspend=n，则JVM不会暂停等待。

如下图所示：

22、然后在idea中配置远程调试，首先选择WordCount，然后选择Edit Configurations,如下图所示：：

23、然后点击+号，选择Remote，如下图所示：

24、输入名称，然后输入远程的主机名和端口，刚才spark-submit启动监听的端口是8888，因此这里也要设置8888，也可以换做其他端口，如下图所示：

25、然后启动调试，如下图所示：

26、此时远程就出现了调试内容，如下图所示：

27、此时查看web页面就可以查看结果，如下图所示：

在调试过程中出现的问题：

1、

1. 19/09/24 20:41:28 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

2. 19/09/24 20:41:43 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

3. 19/09/24 20:41:58 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

4. 19/09/24 20:42:13 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

5. 19/09/24 20:42:28 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

6. 19/09/24 20:42:43 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

7. 19/09/24 20:42:58 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

8. 19/09/24 20:43:13 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

9. 19/09/24 20:43:28 WARN scheduler.TaskSchedulerImpl: Initial job has not accepted any resources; check your cluster UI to ensure that workers are registered and have sufficient resources

10. ^C19/09/24 20:43:30 INFO spark.SparkContext: Invoking stop() from shutdown hook

11. 19/09/24 20:43:30 INFO handler.ContextHandler: stopped o.s.j.s.ServletContextHandler{/metrics/json,null}

重启spark集群即可。

2、使用maven打包scala的jar出现找不到主类，如：

1. java.lang.ClassNotFoundException: WordCount

2. at java.net.URLClassLoader.findClass(URLClassLoader.java:382)

3. at java.lang.ClassLoader.loadClass(ClassLoader.java:424)

4. at java.lang.ClassLoader.loadClass(ClassLoader.java:357)

5. at java.lang.Class.forName0(Native Method)

6. at java.lang.Class.forName(Class.java:348)

7. at org.apache.spark.util.Utils$.classForName(Utils.scala:175)

8. at org.apache.spark.deploy.SparkSubmit$.org$apache$spark$deploy$SparkSubmit$$runMain(SparkSubmit.scala:689)

9. at org.apache.spark.deploy.SparkSubmit$.doRunMain$1(SparkSubmit.scala:181)

10. at org.apache.spark.deploy.SparkSubmit$.submit(SparkSubmit.scala:206)

11. at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:121)

12. at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)

这是由于没有加入scala插件，如下图所示：

参考了：https://note.youdao.com/ynoteshare1/index.html?id=2b9655588b6a22738081c80ec5cd094e&type=note