工作中遇到问题以及解决方法

Jdbc连接数据库表名称低级错误

1. 先检查写入的数据类型与表中栏位类型是否一致
2. 上面如果一致仍然还有报错的话，这时候检查的是代码中的sql语句

可以发现表名称的后面有小数点和“--”符号，这样子也会导致出现这样子的错误。

Azkaban的执行缺陷

由于Azkaban中的每个job都是一个进程，在Azkaban中判断job成功与否是根据这个进程是否成功执行完成，但是在MR 或者Spark Job执行的过程中，如果代码出错，运行在集群上的任务会停止，并不会有内容写入目标文件中，此时返回给Azkaban的进程是执行成功的，也就是job节点执行成功。这与任务执行的结果相悖。

例如： 

在执行某个jar包的过程中时，出现了NullPointException，此时MR作业停止，但是最终Process 显示的为执行成功。并且节点最终执行的结果也为成功： 

所以为了防止依赖的节点出现错误，其以下节点仍可运行的情况。需要换一个校验job是否正确执行的维度进行评判，比如检测MR 或者 Spark 任务的log文件是否正确执行等，或者检测集群中的任务是否执行成功。

总结：在执行结束后可以返回hdfs中查询是否有对应的文件生成，如果有则表示成功，没有则表示失败。

Spark 集群模式下全局变量使用情况：

刚开始定义了一个全局变量：

然后在main函数下面重新赋值全局变量的时候出现集群获取不到新赋值的变量。

集群打印日志显示的hbase值依然是 null

修改方法：在main函数中直接定义该常量，就可以接收到新赋值了。

 

Es创建index的时候：

Index长度问题。先前index = std_new_positiontypeAndposition然而一直创建失败不成功，然后就修改成上述就成功了。

 

读取hbase表中的数据时候遇到某些数据异常问题：

Hive外部表映射出来的数据看起来也是很正常的数据，但一部数据通过代码没有办法做处理，代码没有问题，最后发现hbase表中的数据异常，数据中存在某些特殊字符（例如：制表符或者空格）肉眼看不到。

 

关于相同汉字字符串在编码中比较是否相同的时候出现unicode转换数不一样的情况解决：

例如：作为 \u4f5c\u4e3a

\ufeff\u4f5c\u4e3a

相同的汉字“作为“但是unicode不一样导致编码比较出现差异。通过notepad打开源文件然后转换格式为utf-8无BOM的格式即可解决

 

Spark submit shell命令中的核数跟执行内存的调节：

一个原则，你能使用的资源有多大，就尽量去调节到最大的大小（executor内存；executor cpu core）

增加了内存量以后，对性能的提升，有三点：

   1、如果需要对RDD进行cache，那么更多的内存，就可以缓存更多的数据，将更少的数据写入磁盘，

甚至不写入磁盘。减少了磁盘IO。

   2、对于shuffle操作，reduce端，会需要内存来存放拉取的数据并进行聚合。如果内存不够，也会写入磁盘。如果给executor分配更多内存以后，就有更少的数据，需要写入磁盘，甚至不需要写入磁盘。减少了磁盘IO，提升了性能。

   3、对于task的执行，可能会创建很多对象。如果内存比较小，可能会频繁导致JVM堆内存满了，

然后频繁GC，垃圾回收，minor GC和full GC。（速度很慢）。内存加大以后，带来更少的GC，垃圾回收，

避免了速度变慢，性能提升。

 

问题一：eclipse的maven工程在构建的时候报了source 7 或更高版本来支持diamon的运算符。

解决方法：在pom.xml中添加

Spark：java.net.BindException: Address already in use: Service 'SparkUI' failed after 16 retries!

错误原因：

每一个Spark任务都会占用一个SparkUI端口，默认为4040，如果被占用则依次递增端口重试。但是有个默认重试次数，为16次。16次重试都失败后，会放弃该任务的运行。

 

解决方法

初始化SparkConf时，添加conf.set(“spark.port.maxRetries”,“100”)语句

使用spark-submit提交任务时，在命令行中添加-Dspark.port.maxRetries=100

在spark-defaults.conf中添加spark.port.maxRetries 100

 

SparkStreaming读取Kakfa数据时发生OffsetOutOfRangeException异常

解决方案：Kafka consumer中设置fetch.message.max.bytes为大一点的内存

 

比如设置为50M：1024*1024*50

fetch.message.max.bytes=52428800

 

 

解决方法：

在程序中给Configuration做以下设置：

conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.DistributedFileSystem")

git提交的时候 this exceeds file size limit of 100.0 MB

Github只允许上传最大100MB的文件，如果超过，则会被server reject

则需：

git filter-branch --force --index-filter "git rm --cached --ignore-unmatch  target/lib/spark-assembly-1.6.1-cdh5.3.2-hadoop2.5.0-cdh5.3.2.jar"  --prune-empty --tag-name-filter cat -- --all

git commit --amend -CHEAD

git push origin master

 

Maven build的java普通工程的jar包想在linux上面使用shell命令运行jar包的方法：

第一种方法：shell命令执行

例如：

Nohup java -cp  /home/hadoop/azkaban/testjobforshenzhonghu/patternToRedis/pattern/lib/commons-pool2-2.4.2.jar:/home/hadoop/azkaban/testjobforshenzhonghu/patternToRedis/pattern/lib/junit-3.8.1.jar:/home/hadoop/azkaban/testjobforshenzhonghu/patternToRedis/pattern/lib/jedis-2.9.0.jar:/home/hadoop/azkaban/testjobforshenzhonghu/patternToRedis/pattern/lib/cn.com.cennavi-0.0.1-SNAPSHOT_beijing.jar cn.com.cennavi.java.WriteRedis_beijing >beijing.log &

Java -cp 依赖的jar1:依赖的jar2:.....：工程jar包 主函数名 linux系统用：分割，windows用;

第二种方法;修改pom.xml文件，使其build的时候可以把主函数告知到jar中

        src/main/java

        src/test/java

        

            

                org.apache.maven.plugins

                maven-jar-plugin

                3.0.2

                

                    

                        

                            spark-assembly-1.6.1-hadoop2.5.0-cdh5.3.2.jar scala-reflect-2.10.3.jar

                        

                        

                            true

                            

                            cn.com.cennavi.java.WriteRedis_liuzhou

                        

                    

                

            

        

    

Job aborted due to stage failure: Task serialization failed: java.lang.StackOverflowError

java.io.ObjectOutputStream.writeSerialData(ObjectOutputStream.java:1506)

java.io.ObjectOutputStream.writeOrdinaryObject(ObjectOutputStream.java:1429)

java.io.ObjectOutputStream.writeObject0(ObjectOutputStream.java:1175)

java.io.ObjectOutputStream.writeArray(ObjectOutputStream.java:1375)

 

这种错误报出是代码当中内存溢出原因导致的，检查代码中使用内存的步骤，进行修改，当时报这个错误的原因是：

 

是这个原因，计算半个月的hdfs数据不报错，但是计算一个月的数据的时候这个union操作就会使用的内存超过自己的配置就出现了这个错误。当时解决方法就是控制每次计算半个月的数据或者更低的数据。

Exception in thread "Thread-0" java.lang.RuntimeException: Job HistoryCntfToLocal does not have cancel method cancel

24-10-2018 14:18:30 CST HistoryCntfToLocal ERROR - at azkaban.jobtype.JavaJobRunnerMain.cancelJob(JavaJobRunnerMain.java:249)

24-10-2018 14:18:30 CST HistoryCntfToLocal ERROR - at azkaban.jobtype.JavaJobRunnerMain$1.run(JavaJobRunnerMain.java:78)

 

 

解决方法：（1）缺少jar包，把与这个工程相类似的工程使用到的jar包全部导入到该工程下面进行引用。完美解决，但是还是不知道缺少了什么jar包。

1. 检查读取的配置文件（比如 spark kafka 其他的配置文件）是否路径有错误

 

ERROR Failed to set setXIncludeAware(true) for parser

解决方法：jar包冲突

删除自己的xercesImpl.jar，用jdk自身的编译器，问题解决了

java.io.InvalidClassException: ** local class incompatible: stream classdesc serialVersionUID = -9117779196120965598, local class serialVersionUID = 2841008943488659566

解决方法：

1、spark运行的jar包的类和集群上的jars包不一致

在运行spark程序的时候，需要把运行的jar包上传到集群上，即通过sparkconf.setJars（）将jar包里的类上传到集群，并分散到各个Worker节点，才能实现并行处理。

所以要保证命令行运行的jar（java -jar …或者spark-submit…）和集群上设置的sparkconf.setJars（）要是同一个jar包。

1. 编译运行的类的jdk版本和spark集群上的jdk版本不一致导致的。

 

修改jdk的编辑路径重新编译打包项目，完美解决

 

java.lang.OutOfMemoryError: Java heap space

什么都不要去改，无疑问的就是代码中出现一个很大的变量导致内存溢出了，比如说spark中的广播变量特别的大，消耗很大的内存，这时候直接就是修改jvm的参数：

比如我之前的参数：Xmx: 1024m Xms:512m

修改之后 

完美解决