「AWS 基礎からのネットワーク&サーバー構築」を読んだ
読みました。
www.nikkeibp.co.jp
帯にもあるようにアプリ開発者に超絶おすすめ
WordPress, MySQLをEC2に構築するためのネットワーク周りについて学べます。
vartualBoxとかを使う場合にはもっと細々とコマンドを打ったりしてネットワークを作る必要があるんだろうけど、AWSではGUIやCLIで簡単に作れちゃうので、GUIの操作も含めて把握できます。
ただ、当然だけどぱらぱらめくっただけの部分はほとんど理解できてないかも。ゲートウェイよくわからん。
CHAPTER9冒頭のまとめ部分は今後何回も見返しそうだし、ネットワーク構築で迷った際には全体的に辞書として使えそう。
aws-cliでCERTIFICATE_VERIFY_FAILEDが出た時の対処
一時的な対処なのでご了承ください。
下記バージョンです。
OSはWin10です。
aws --version # aws-cli/1.16.10 Python/2.7.9 Windows/8 botocore/1.12.0
configure
でAPI keyやプロキシ等諸々を設定した後、ネットワークを繋ごうとすると下記エラー
aws s3 ls # SSL validation failed for https://s3.ap-northeast-1.amazonaws.com/ [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:581)
そんな時は--no-verify
オプションをつければとりあえずなんとかなる。
aws s3 ls --no-verify # C:\Program Files\Amazon\AWSCLI\.\urllib3\connectionpool.py:857: InsecureRequestWarning: Unverified HTTPS request is being made. Adding certificate verification is strongly advised. See: # https://urllib3.readthedocs.io/en/latest/advanced-usage.html#ssl # -warnings # C:\Program Files\Amazon\AWSCLI\.\dateutil\parser\_parser.py:1175: UnicodeWarning: Unicode equal comparison failed to convert both arguments to Unicode - interpreting them as being unequal # 2018-07-31 16:55:08 hoge # 2018-08-09 11:24:58 huga
まあwarning出るけど。。。
参考
apache sparkでファイル名を指定して保存する
メモです!
stackoverflowまとめただけです!
以下バージョンです。
>> pyspark --version SLF4J: Class path contains multiple SLF4J bindings. SLF4J: Found binding in [jar:file:/home/spark/jars/slf4j-log4j12-1.7.16.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: Found binding in [jar:file:/opt/hadoop-2.7.3/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation. SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory] Welcome to ____ __ / __/__ ___ _____/ /__ _\ \/ _ \/ _ `/ __/ '_/ /___/ .__/\_,_/_/ /_/\_\ version 2.3.1 /_/ Using Scala version 2.11.8, OpenJDK 64-Bit Server VM, 1.8.0_171
概要
例えば、こんな感じでデータセットを保存すると。。。
df.coalesce(1).write.json('./data/hoge/', mode='overwrite')
ディレクトリ名までしか指定できない。
$ tree . └── hoge ├── _SUCCESS └── part-00000-0f5a725e-c34d-4c59-9627-debe270aa558-c000.json
そもそもデータでかいんだから一つにまとめんなって話でディレクトリ単位がデータの区分になっていることを想定しているからっぽい。
それでもファイル名を指定したい!っていう時の対処法です。
PySpark
普通に保存してからHadoop APIを使ってリネーム&デリートしてあげる。
df.coalesce(1).write().json("./data/hoge", "overwrite"); from py4j.java_gateway import java_import java_import(spark._jvm, "org.apache.hadoop.fs.Path"); fs = spark._jvm.org.apache.hadoop.fs.FileSystem.get(spark._jsc.hadoopConfiguration()) file = fs.globStatus(sc._jvm.Path('./data/hoge/part*'))[0].getPath().getName() fs.rename(sc._jvm.Path('./data/hoge/' + file), sc._jvm.Path('./data/output/output.json')) fs.delete(sc._jvm.Path('./data/hoge/'), True)
Java
PySparkと同じ。
import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; dataset.coalesce(1).write() .mode("overwrite") .format("json") .save("./data/hoge"); try { FileSystem fs = org.apache.hadoop.fs.FileSystem.get(spark.sparkContext().hadoopConfiguration()); String oldFileName = fs.globStatus(new Path("./data/hoge"+ "/part-*"))[0].getPath().getName(); fs.rename(new Path("./data/hoge", oldFileName), new Path("./data/output/output.json")); fs.delete(new Path("./data/hoge"), true); } catch (IOException e) { e.printStackTrace(); }
Scala
PySparkとJavaと同じ。
Scala知らないのでこれ見てください。
stackoverflow.com
参考
apache sparkでInvalid maximum heap sizeって言われた時の対処
結論から言うとJDKが32bitのせいなので64bitをインストール&環境変数の設定をしましょう。
結論にたどり着くまでに色々ハマったので以下メモ(微妙な情報が混ぜってるかも)
sparkの処理中にjava.io.IOException: ディスクに十分な空き領域がありません。
というエラーが出たので--driver-memory
を指定するとこんな感じのエラーが発生
>>> spark-submit --driver-memory 4g my_app.py Invalid maximum heap size: -Xmx4g The specified size exceeds the maximum representable size. Error: Could not create the Java Virtual Machine. Error: A fatal exception has occurred. Program will exit.
ググってみるとJDKが32bitだとヒープ領域として1.5Gしか確保できないので64bitを入れろとのこと。
確認のためjava --version
>>> java --version java 10.0.1 2018-04-17 Java(TM) SE Runtime Environment 18.3 (build 10.0.1+10) Java HotSpot(TM) 64-Bit Server VM 18.3 (build 10.0.1+10, mixed mode)
ちゃんと64bitになっている。。。
てきとーにHelloWorldを作ってヒープ領域の設定が効くか確認
>>> java -Xms4G -Xmx4G HelloWorld HelloWorld
動くやんけ。。。
でも、環境変数にはJava1.8を設定しているので、そもそもjava --verison
でJava10が表示されることがおかしいと気づく。
複数のバージョンのJDKがインストールされていて環境変数がごっちゃになっているのかも?
ググるとこんな記事が。
web.plus-idea.net
上記の通りにjava.exe周辺のリネームと余分な環境変数が設定されていたのでそれを削除
そしてもう一度確認
>>> java -version java version "1.8.0_171" Java(TM) SE Runtime Environment (build 1.8.0_171-b11) Java HotSpot(TM) Client VM (build 25.171-b11, mixed mode) >>> java -Xms4G -Xmx4G HelloWorld Invalid initial heap size: -Xms4G The specified size exceeds the maximum representable size. Error: Could not create the Java Virtual Machine. Error: A fatal exception has occurred. Program will exit.
すると、使用されるJavaは1.8になったけどヒープ領域の指定はできず。
というよりインストーラーを見るとまんまと32bitをインストールしていた。
1.8の64bitを再度インストールし各コマンド実行
>>> java -version java version "1.8.0_181" Java(TM) SE Runtime Environment (build 1.8.0_181-b13) Java HotSpot(TM) 64-Bit Server VM (build 25.181-b13, mixed mode) >>> java -Xms4G -Xmx4G HelloWorld Hello World! >>> spark-submit --driver-memory 4g my_app.py
動いた!
よくわからん状況だけどまとめると
・JDKたくさんインストールして環境変数も複数設定されていた
・$JAVA_HOMEはJava10, 64bitを見ていたのでjavaコマンドでのヒープ領域指定はうまくいくが、spark-submit
ではうまくいかない
・spark-submit
ではJava1.8, 32bitを見ていた?
・JDK, 環境変数を整理してJava1.8, 64bitを設定することで解決
apache sparkでStackOverflowErrorとOutOfMemoryErrorが発生した時の対処
以下バージョンです。
dockerコンテナ内で起動しています。
>> pyspark --version SLF4J: Class path contains multiple SLF4J bindings. SLF4J: Found binding in [jar:file:/home/spark/jars/slf4j-log4j12-1.7.16.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: Found binding in [jar:file:/opt/hadoop-2.7.3/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class] SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation. SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory] Welcome to ____ __ / __/__ ___ _____/ /__ _\ \/ _ \/ _ `/ __/ '_/ /___/ .__/\_,_/_/ /_/\_\ version 2.3.1 /_/ Using Scala version 2.11.8, OpenJDK 64-Bit Server VM, 1.8.0_171
以下本題です。
$SPARK_HOME/bin/spark-submit your_app.py
とかした時、
java.lang.StackOverflowError
ってなったらこう!
$SPARK_HOME/bin/spark-submit --driver-java-options -Xss10m your_app.py
もし、
java.lang.OutOfMemoryError: Java heap space
ってなったらさらにこう!
$SPARK_HOME/bin/spark-submit --driver-java-options -Xss10m --driver-memory 10g your_app.py
10mとか10gとかはてきとーに変えてください。
スタック領域が足りないよ!というエラーですが発生時に特にネストした処理は書いてないんですよね。。。
心当たりがあるとしたらFPGrowth
をminSupport
低めでアソシエーションルールを計算していたことぐらい。