Spark大数据集群日常开发过程遇到的异常及解决思路汇总

总结/朱季谦

一、出现java.lang.IllegalAccessError: tried to access method com.google.common.base.Stopwatch.()V from class org.apache.hadoop.hbase.zookeeper.MetaTableLocator

在新项目上创建以下Scala代码去连接Hbase集群,用来判断Hbase是否存在某张表。

kotlin 复制代码
//离线Hbase
val conf: Configuration = HBaseConfiguration.create()
conf.set("hbase.zookeeper.quorum","192.168.1.200")
conf.set("hbase.zookeeper.property.clientPort","2181")
// 创建HBase连接
val connection = ConnectionFactory.createConnection(conf)
val hbaseAdmin = connection.getAdmin
val tables = Set("SYSTEM_LOG")
val synTable = TableName.valueOf(tableName)
val tableExist = hbaseAdmin.tableExists(synTable)

在测试运行时,出现了以下异常:

Exception in thread "main" org.apache.hadoop.hbase.DoNotRetryIOException: java.lang.IllegalAccessError: tried to access method com.google.common.base.Stopwatch.()V from class org.apache.hadoop.hbase.zookeeper.MetaTableLocator

检查发现是因为maven里引入的hbase-client、spark-core等众多依赖包里都含有com.google.guava包,这就会出现各个guava包冲突问题,进而导致出现 tried to access method com.google.common.base.Stopwatch.异常问题。

我们可以通过maven的maven-help插件来检查com.google.guava包冲突问题,maven-help插件的引入与使用,我在另一篇博客里有介绍过------Maven Helper插件------实现一键Maven依赖冲突问题

在maven里切换至【Dependency Analyzer】栏,在搜索框输入冲突包guava,即会出现,guava都被哪些包依赖了,当多个组件包都依赖了同一个包但又不同版本时,很容易久出现各种冲突。红色部分就是表示有冲突的依赖包版本------

选中对应想去除的包,右击点击Exclude即可一键exclusion。

最后,单独引入一个com.google.guava包,我的hbase是1.x版本的,引入guava-15版本的可以解决。

xml 复制代码
<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>15.0</version>
</dependency>

二、出现org.apache.hadoop.hbase.NamespaceNotFoundException: SYSTEM

在创建带有命名空间的表时,例如创建表名为SYSTEM:SYSTEM_LOG时出现以下异常------

Caused by: org.apache.hadoop.hbase.ipc.RemoteWithExtrasException(org.apache.hadoop.hbase.NamespaceNotFoundException): org.apache.hadoop.hbase.NamespaceNotFoundException: SYSTEM

at org.apache.hadoop.hbase.master.HMaster.ensureNamespaceExists(HMaster.java:2090)

at org.apache.hadoop.hbase.master.HMaster.createTable(HMaster.java:1270)

at org.apache.hadoop.hbase.master.MasterRpcServices.createTable(MasterRpcServices.java:399)

at org.apache.hadoop.hbase.protobuf.generated.MasterProtos <math xmlns="http://www.w3.org/1998/Math/MathML"> M a s t e r S e r v i c e MasterService </math>MasterService2.callBlockingMethod(MasterProtos.java:42436)

at org.apache.hadoop.hbase.ipc.RpcServer.call(RpcServer.java:2033)

at org.apache.hadoop.hbase.ipc.CallRunner.run(CallRunner.java:107)

at org.apache.hadoop.hbase.ipc.RpcExecutor.consumerLoop(RpcExecutor.java:130)

at org.apache.hadoop.hbase.ipc.RpcExecutor$1.run(RpcExecutor.java:107)

at java.lang.Thread.run(Thread.java:748)

此时Hbase里并没有事先创建该SYSTEM命名空间,因此需要先创建一个,直接登陆Hbase服务器,通过hbase shell执行以下指令:

arduino 复制代码
create_namespace   'SYSTEM'

执行成功后,如下图所示:

这时,再重新运行下代码,这时就没有报错了,然后通过hbase shell的list查看指令,发现已经正常创建带有命名空间的表了SYSTEM:SYSTEM_LOG 。

三、在spark的bin目录里,运行spark-shell出现异常Failed to initialize Spark session.

java.io.FileNotFoundException: File does not exist: hdfs://hadoop1:9000/spark-logs

出现的异常信息如下:

main\] ERROR org.apache.spark.repl.Main - Failed to initialize Spark session. java.io.FileNotFoundException: File does not exist: hdfs://hadoop1:9000/spark-logs at org.apache.hadoop.hdfs.DistributedFileSystem 22. d o C a l l ( D i s t r i b u t e d F i l e S y s t e m . j a v a : 1309 ) a t o r g . a p a c h e . h a d o o p . h d f s . D i s t r i b u t e d F i l e S y s t e m 22.doCall(DistributedFileSystem.java:1309) at org.apache.hadoop.hdfs.DistributedFileSystem 22.doCall(DistributedFileSystem.java:1309)atorg.apache.hadoop.hdfs.DistributedFileSystem22.doCall(DistributedFileSystem.java:1301) at org.apache.hadoop.fs.FileSystemLinkResolver.resolve(FileSystemLinkResolver.java:81) 这说明hdfs没有spark-logs目录。 我在hadoop主机器上运行指令hdfs dfs -mkdir /spark-logs指令后,生成了一个目录/spark-logs,再执行spark-shell,就能正常进入scala命令行界面了------ ![image](https://file.jishuzhan.net/article/1736994693515841537/6a57818dfc7ba59c5440345d5c36a706.webp) ## 四、本地scala远程spark查询hive库只显示defalt库的问题 最开始,我的代码本地Scala远程连接Spark查询hive库的代码是这样写的: ```scss val spark = SparkSession .builder() .master("spark://192.168.1.99:7077") .appName("YourAppName") .enableHiveSupport() // 启用对Hive的支持 .getOrCreate() spark.sql("show databases").show() ``` 这块代码执行下来,都只能查到hive的default库,其他库都找不到。 ![image](https://file.jishuzhan.net/article/1736994693515841537/379ef5d327ba7a32fd7c70f4e512d36d.webp) 需要在代码里增加一行 .config("hive.metastore.uris","thrift://hadoop1:9083")就可以了 ```scss val spark = SparkSession .builder() .master("spark://192.168.1.99:7077") .config("hive.metastore.uris","thrift://hadoop1:9083") .appName("YourAppName") .enableHiveSupport() // 启用对Hive的支持 .getOrCreate() spark.sql("show databases").show() ``` 重新执行一遍,就能正常查到hive的所有库了------ ![image](https://file.jishuzhan.net/article/1736994693515841537/518ed663f0058d8fdf7db5178933e904.webp) ## 四、HBase外部表映射到Hive表显示整数列为NULL 刚开始的语句是这样的------ ```sql CREATE EXTERNAL TABLE test( ROW_KEY string, PK string, count1 int, count2 int, count3 int, count4 int, count5 int, count6 int ) STORED by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES("hbase.columns.mapping" = ":key,INFO:PK,INFO:count1,INFO:count2,INFO:count3,INFO:count4,INFO:count5,INFO:count6") TBLPROPERTIES ("hbase.table.name" = "test"); ``` 发现HIve查询整数对应的字段都为NULL------ ![image](https://file.jishuzhan.net/article/1736994693515841537/dc8ab3793b0c44e20acd58a7925b0ec1.webp) 后来修改成这样,Hive就能正常映射到Hbase的byte整数字段值了------ ```sql CREATE EXTERNAL TABLE test( ROW_KEY string, PK string, count1 int, count2 int, count3 int, count4 int, count5 int, count6 int ) STORED by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES("hbase.columns.mapping" = ":key,INFO:PK,INFO:count1#b,INFO:count2#b,INFO:count3#b,INFO:count4#b,INFO:count5#b,INFO:count6#b",'serialization.format'='1') TBLPROPERTIES ("hbase.table.name" = "test"); ``` 再次查询Hive,就发现整数对应的值都有了------ ![image](https://file.jishuzhan.net/article/1736994693515841537/4983a283e251ca0408e4e757bd35e7e3.webp) ## 五、RDD之foreach和foreachPartition方法日志查看 这两个方法内的日志,在driver端是看不到的,也就是说,即使你将driver执行日志\>spark.log,在spark.log是看不到方法里面的日志的。 foreach和foreachPartition日志需要到Spark Web里查看。

相关推荐
碳基学AI1 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义免费下载方法
大数据·人工智能·python·gpt·算法·语言模型·集成学习
一个天蝎座 白勺 程序猿2 小时前
大数据(4.6)Hive执行引擎选型终极指南:MapReduce/Tez/Spark性能实测×万亿级数据资源配置公式
大数据·hive·mapreduce
HelpHelp同学3 小时前
信息混乱难查找?三步搭建高效帮助中心解决难题
大数据·人工智能·知识库管理系统
TDengine (老段)9 小时前
TDengine 中的关联查询
大数据·javascript·网络·物联网·时序数据库·tdengine·iotdb
直裾13 小时前
Mapreduce的使用
大数据·数据库·mapreduce
麻芝汤圆15 小时前
使用 MapReduce 进行高效数据清洗:从理论到实践
大数据·linux·服务器·网络·数据库·windows·mapreduce
树莓集团15 小时前
树莓集团海南落子:自贸港布局的底层逻辑
大数据
不剪发的Tony老师16 小时前
Hue:一个大数据查询工具
大数据
靠近彗星16 小时前
如何检查 HBase Master 是否已完成初始化?| 详细排查指南
大数据·数据库·分布式·hbase
墨染丶eye16 小时前
数据仓库项目启动与管理
大数据·数据仓库·spark