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。
jupyter notebookでpyspark
環境はMacOSです。
sparkは以下
>>> echo $JAVA_HOME /Library/Java/JavaVirtualMachines/jdk1.8.0_122.jdk/Contents/Home >>> pyspark --version Welcome to ____ __ / __/__ ___ _____/ /__ _\ \/ _ \/ _ `/ __/ '_/ /___/ .__/\_,_/_/ /_/\_\ version 2.3.1 /_/ Using Scala version 2.11.8, Java HotSpot(TM) 64-Bit Server VM, 1.8.0_122-ea
jupyter notebook起動時に$SPARK_HOME/python/pyspark/shell.pyを起動することでSparkContextを作成しnotebook上でpysparkを利用できるようになります。
brew install apache-sparkとかした場合はSPARK_HOMEが設定されていないのでテキトーに設定します。
バージョンは適宜変更してください。
echo export SPARK_HOME=/usr/local/Cellar/apache-spark/2.3.1/libexec >> ~/.bash_profile source ~/.bash_profile
jupyter notebook起動時の設定ファイルを作成します。
mkdir -p ~/.ipython/profile_default/startup/ touch ~/.ipython/profile_default/startup/00-first.py
00-first.pyに以下を記載します。
すでに存在する場合は追記するか50-middle.pyとか作成するといいかもしれません。
# coding: UTF-8 import os import sys spark_home = os.environ.get('SPARK_HOME', None) sys.path.insert(0, spark_home + "/python") # py4j-0.10.7-src.zipのバージョンは適宜変更してください sys.path.insert(0, os.path.join(spark_home, "python/lib/py4j-0.10.7-src.zip")) exec(open(os.path.join(spark_home, "python/pyspark/shell.py")).read())
最後にjupyter notebookを起動しscとするとSparkContextが作成されていることが確認できます。
やったぜ！！！
参考は以下書籍のP203 ~ P204です。
www.shuwasystem.co.jp
Macでspark-jobserverのサンプルを動かす＆Tips
職場のWin10環境でハマりまくっているのでMacでサクッとやってみる。
基本的にレポジトリ周辺にまとめられているドキュメントを参照しただけです。
まずレポジトリをクローン
github.com
docker
docker run -d -p 8090:8090 sparkjobserver/spark-jobserver:0.7.0.mesos-0.25.0.spark-1.6.2
http://localhost:8090/にアクセスしてSpark Job Server UIが立ち上がっていることを確認
dockerについては詳しくはこちらへ
github.com
sbt
Scalaなので？sbtを使います。
brew install sbt #クローンしたレポジトリへ移動 sbt job-server-tests/package ls job-server-tests/target/scala-2.11/ # classes job-server-tests_2.11-0.8.1-SNAPSHOT.jar
packageコマンドでjob-server-testsのサンプルプログラムをjarにします。
初回は諸々ライブラリのインストールで時間がかかるっぽいです。
jobserverにjarをアップロード
作ったjarをアップロードします。
localhostやjarファイル名は環境によって書き換えます。
curl --data-binary @job-server-tests/target/scala-2.11/job-server-tests_2.11-0.8.1-SNAPSHOT.jar localhost:8090/jars/test
UIでjarsタブにjarが登録されたことを確認
サンプルを動かす
# Scalaサンプル curl -d "input.string = a b c a b see" "localhost:8090/jobs?appName=test&classPath=spark.jobserver.WordCountExample" #{ # "duration": "Job not done yet", # "classPath": "spark.jobserver.WordCountExample", # "startTime": "2018-07-11T13:06:57.151Z", # "context": "17178e37-spark.jobserver.WordCountExample", # "status": "STARTED", # "jobId": "b9e2d9ed-dcec-44ed-8e6c-66cb5b55b76f" #} curl localhost:8090/jobs/b9e2d9ed-dcec-44ed-8e6c-66cb5b55b76f #{ # "duration": "4.114 secs", # "classPath": "spark.jobserver.WordCountExample", # "startTime": "2018-07-11T13:06:57.151Z", # "context": "17178e37-spark.jobserver.WordCountExample", # "result": { # "a": 2, # "b": 2, # "see": 1, # "c": 1 # }, # "status": "FINISHED", # "jobId": "b9e2d9ed-dcec-44ed-8e6c-66cb5b55b76f" #}
Tips
・ScalaではなくJavaの場合は先にコンテキストを指定する必要がある
curl -d "" "localhost:8090/contexts/jcontext?context-factory=spark.jobserver.context.JavaSparkContextFactory"
・READMEのバージョンをよく見て、spark-jobserver, Spark, Scalaのバージョンをちゃんと合わせないと普通に動かなかったりする
・諸事情でsbtが使えない -> Mavenを使う -> Mavenレポジトリからspark-jobserverが取得できないよ！ってなる
JitPackを使うか直接jarを落として（http://dl.bintray.com/spark-jobserver/maven/）プロジェクトに追加&pomにこんな感じで追加する（このときバージョンミスると辛いことになる）
<dependency>
<groupId>spark-jobserver</groupId>
<artifactId>job-server-api</artifactId>
<scope>system</scope>
<version>0.62</version>
<systemPath>path/job-server-api_2.11-0.6.2-sources.jar</systemPath>
</dependency>
Windows10でdocker-compose upがコケた時の対処法
メモです。
Win10環境でdocker-compose upすると下記エラー
Error response from daemon: Cannot restart container xxxxx: driver failed programming external connectivity on endpoint xxxxx
Win10の高速スタートアップ機能の「完全シャットダウン」とやらのせいでコケている様子。
コントロールパネル -> ハードウェアとサウンド -> 電源オプション -> 電源ボタンの動作の選択 -> 現在利用可能ではない設定を変更します -> 「高速スタートアップを有効にする (推奨)」のチェックを外す
これでイケる！！！
