在spark-streaming程序中需要配置文件中的数据来完成某项统计时,需要把配置文件打到工程里,maven的配置如下:
org.apache.maven.plugins
maven-surefire-plugin
true
src/main/resources
**/*.txt
*.txt
true
这样在local模式下运行时没问题的,但是要放在yarn集群上就会出问题,需要用如下方式来调用:
spark-submit --class com.kingsoft.server.KssNodeStreaming
--master yarn-cluster
--driver-memory 2G
--executor-memory 5G
--num-executors 10
--jars /home/hadoop/spark-streaming-flume_2.10-1.0.1.jar,/home/hadoop/avro-ipc-1.7.5-cdh5.1.0.jar,/home/hadoop/flume-ng-sdk-1.5.0.1.jar,/home/hadoop/fastjson-1.1.41.jar
--files /home/hadoop/idc_ip.txt,/home/hadoop/ipdata.txt
/home/hadoop/SparkStreaming-0.0.1-SNAPSHOT.jar
0.0.0.0
58006
我们在使用Spark的时候有时候需要将一些数据分发到计算节点中。一种方法是将这些文件上传到HDFS上,然后计算节点从HDFS上获取这些数据。当然我们也可以使用addFile函数来分发这些文件。注意,如果是spark程序通过yarn集群上加载配置文件,path必须是集群hdfs的绝对路径,如:viewfs://58-cluster//home/hdp_lbg_supin/resultdata/zhaopin/recommend/config/redis.properties。
addFile
方法可以接收本地文件(或者HDFS上的文件),甚至是文件夹(如果是文件夹,必须是HDFS路径),然后Spark的Driver和Exector可以通过SparkFiles.get()
方法来获取文件的绝对路径(Get the absolute path of a file added through SparkContext.addFile()),addFile
的函数原型如下:
def addFile(path: String): Unit
def addFile(path: String, recursive: Boolean): Unit
addFile把添加的本地文件传送给所有的Worker,这样能够保证在每个Worker上正确访问到文件。另外,Worker会把文件放在临时目录下。因此,比较适合用于文件比较小,计算比较复杂的场景。如果文件比较大,网络传送的消耗时间也会增长。
path:可以是local、hdfs(任何hadoop支持的文件系统)、HTTP、HTTPS、FTP等。local方式时,在windows下使用绝对路径时需要加个“/”,如“d:/iteblog.data”得写成“/d:/iteblog.data”或“file:///d:/iteblog.data”。
recursive:如果path是一个目录,那么我们可以设置recursive
为true,这样Spark会递归地分发这个路径下面的所有文件到计算节点的临时目录。
通过SparkFiles.get(path:String)
获取添加的文件路径。
var path = "/user/iteblog/ip.txt"
sc.addFile(path)
val rdd = sc.textFile(SparkFiles.get(path))
上面的实例展示了如何在Driver中获取分发出去的文件,我们还可以在Exector获取到分发的文件:
var path = "/user/iteblog/ip.txt"
sc.addFile(path)
val rdd = sc.parallelize((0 to 10))
rdd.foreach{ index =>
val path = SparkFiles.get(path)
......
}
如果我们添加的是压缩文件,比如
.tar.gz
、
.tgz
或者
.tar
,Spark会调用Linux的解压缩命令
tar
去解压缩这些文件。
addJar
添加在这个SparkContext实例运行的作业所依赖的jar。,其函数原型如下:
def addJar(path: String)
path:可以是本地文件(local file)、HDFS文件(其他所有的Hadoop支持的文件系统也可以)、HTTP、 HTTPS 或者是FTP URI文件等等。
其实Spark内部通过spark.jars
参数以及spark.yarn.dist.jars
函数传进去的Jar都是通过这个函数分发到Task的。
注意:IntelliJ IDEA创建Maven项目时,必须是Java项目,否则不能将配置文件打到工程jar包。
redis.properties配置文件示例如下:
redis.host=xx.xx.xxx.x
redis.port=6380
redis.password=6f3d16c5119bb946
redis.maxActive=500
redis.maxWait=10000
redis.maxidle=500
redis.minidle=10
redis.maxtotal=500
RedisClient.scala加载配置文件示例如下:
package com.bj58.adsp.dp.files.redis
import java.io.{InputStream, BufferedInputStream, FileInputStream}
import java.util.Properties
import org.apache.commons.pool2.impl.GenericObjectPoolConfig
import redis.clients.jedis.JedisPool
import scala.collection.JavaConversions._
/**
* Created by Administrator on 2015/10/23.
*/
object RedisClient extends Serializable {
val properties: Properties = new Properties
val in: InputStream = getClass.getResourceAsStream("/redis.properties")
properties.load(new BufferedInputStream(in))
val redisHost = properties.getProperty("redis.host")
val redisPort = properties.getProperty("redis.port")
val redisPwd = properties.getProperty("redis.password")
val redisTimeout = 30000
val config = new GenericObjectPoolConfig()
config.setTestOnBorrow(true)
config.setMaxIdle(properties.getProperty("redis.maxidle").toInt)
config.setMinIdle(properties.getProperty("redis.minidle").toInt)
config.setMaxTotal(properties.getProperty("redis.maxtotal").toInt)
lazy val pool = new JedisPool(config, redisHost, redisPort.toInt, redisTimeout, redisPwd)
lazy val hook = new Thread {
override def run = {
println("Execute hook thread: " + this)
pool.destroy()
}
}
sys.addShutdownHook(hook.run)
}
如果是读取配置文件内容,可以直接:
val properties: Properties = new Properties
val in: InputStream = getClass.getResourceAsStream("/redis.properties")
properties.load(new BufferedInputStream(in))
如果是只加载配置文件,可以直接:
public static RedisClient init() {
RedisClient client = null;
try {
// 根据配置文件初始化Redis客户端
client = RedisClient.getInstance(getClass.getResource("/redis.properties"));
} catch (Exception e) {
e.printStackTrace();
}
return client;
}
示例如下:
lines.foreachRDD(rdd => {
//embedded function
def func(records: Iterator[String]) {
var conn: Connection = null
var stmt: PreparedStatement = null
try {
val url = "jdbc:mysql://xx.xxx.xx.xxx:3307/supindb"
val user = "root"
val password = "root"
conn = DriverManager.getConnection(url, user, password)
records.flatMap(_.split(" ")).foreach(word => {
val sql = "insert into mytable(word) values(?)"
stmt = conn.prepareStatement(sql)
stmt.setString(1, word)
stmt.executeUpdate()
})
} catch {
case e: Exception => e.printStackTrace()
} finally {
if (stmt != null) {
stmt.close()
}
if (conn != null) {
conn.close()
}
}
}
val repartitionedRDD = rdd.repartition(4)
repartitionedRDD.foreachPartition(func)
})
如果程序中调用其他服务,而其他服务需要加载配置文件,则可以将程序打成jar包,并命名为__app__.jar,使用sc.addFile("__app__.jar")方式即可。
http://blog.csdn.net/aaa1117a8w5s6d/article/details/43090017
http://www.iteblog.com/archives/1704