Spark基础随笔：Spark1.6 Idea下远程调试的2种方法

使用的开发工具：scala2.10.4、Idea16、JDK8 

对于电脑配置不错或和Spark集群在同一个网下的朋友，可以使用方法1；若不是请使用方法2

方法1

把自己的电脑作为Driver端，直接把jar包提交到集群，此时Spark的Master与Worker会一直和本机的Driver端保持连接，调试比较方便。

import org.apache.spark.SparkContext
import org.apache.spark.SparkConf

object WordCount {
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setAppName("SparkTest")
//设置Master_IP
.setMaster("spark://1.185.74.124:7077")
//提交的jar包在你本机上的位置
.setJars(List("C:\\Users\\Administrator\\IdeaProjects\\Spark2.1.0\\out\\artifacts\\Spark2_1_0_jar\\Spark2.1.0.jar"))
//设置driver端的ip,这里是你本机的ip
.setIfMissing("spark.driver.host", "172.18.18.114")
val sc = new SparkContext(sparkConf)
println("SparkTest...")
sc.stop
}效果图：

方法2

1.导入依赖的包和源码

在下载spark中到的导入spark的相关依赖了包和其源码.zip,相关源码的下载地址：https://github.com/apache/spark/tree/v1.6.0  

地址最后面是对应的版本号，下载源码便于看注释



 

2.使用官方求Pi的例子

import org.apache.spark.{SparkConf, SparkContext}

object FirstDemo {
def main(args: Array[String]) {
val conf = new SparkConf().setAppName("Spark Pi")
val spark = new SparkContext(conf)
val slices = if (args.length > 0) args(0).toInt else 2
val n = 100000 * slices
val count = spark.parallelize(1 to n, slices).map { i =>
val x = Math.random * 2 - 1
val y = Math.random * 2 - 1
if (x * x + y * y < 1) 1 else 0
}.reduce(_ + _)
println("*****Pi is roughly " + 4.0 * count / n)
spark.stop()
}
}

 

3.导出项目jar包

确认之后->build->build artifacts->rebuild



 

4.启动集群

先修改配置文件，再启动集群可能会导致master无法正常启动，下次想取消远程调试，可以把配置文件再改回来

[root@master sbin]# jps
30212 SecondaryNameNode
32437 -- main class information unavailable
30028 NameNode

所以请先启动集群

[root@master sbin]# ./start-all.sh
starting org.apache.spark.deploy.master.Master, logging to /hadoop/spark-1.6.0-bin-hadoop2.6/logs/spark-root-org.apache.spark.deploy.master.Master-1-master.out
slave01: starting org.apache.spark.deploy.worker.Worker, logging to /hadoop/spark-1.6.0-bin-hadoop2.6/logs/spark-root-org.apache.spark.deploy.worker.Worker-1-slave01.out

 

5.修改配置文件spark-class

 spark-class在SPARK_HOME/bin下

done < <("$RUNNER" -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main "$@")

修改成

done < <("$RUNNER" -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main $JAVA_OPTS "$@")

$JAVA_OPTS 为我们添加的参数，下面在命令行中为其声明(建议写到配置文件中)

export JAVA_OPTS="$JAVA_OPTS -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=5005"

6.提交Spark，开启端口监听

上传之前生成的jar包到master节点，在命令行中执行

spark-submit --master spark://master:7077 --class FirstDemo Spark02.jar

出现如下结果，表示master正在监听5005端口

[root@master ~]# spark-submit --master spark://master:7077 --class FirstDemo Spark02.jar
Listening for transport dt_socket at address: 5005

7.Idea配置远程

添加Remote组件，填写master的ip的监听端口



 

8.启动调试

 

JAVA_OPTS参数说明：

-Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=5005
参数说明：
-Xdebug 启用调试特性
-Xrunjdwp 启用JDWP实现，包含若干子选项：
transport=dt_socket JPDA front-end和back-end之间的传输方法。dt_socket表示使用套接字传输。
address=5005 JVM在5005端口上监听请求，这个设定为一个不冲突的端口即可。
server=y y表示启动的JVM是被调试者。如果为n，则表示启动的JVM是调试器。
suspend=y y表示启动的JVM会暂停等待，直到调试器连接上才继续执行。suspend=n，则JVM不会暂停等待。

 

参考文章列表：

http://blog.csdn.net/lovehuangjiaju/article/details/49227919     Spark1.5远程调试

http://www.thebigdata.cn/QiTa/12370.html      调试参数