SparkStreaming executor异常dead

本文介绍了一种SparkStreaming消费Kafka数据过程中遇到的executor异常dead问题,并详细分析了其原因及解决方案。通过调整spark默认配置文件中的动态executor分配设置,成功解决了executor异常退出的问题。

问题

SparkStreaming实时消费kafka数据,程序正常运行,数据正常写入数据库,但是executor大量异常dead。

问题排查

经过排查,在每个dead的executor中的日志中,都会有一个报错:ERROR executor.CoarseGrainedExecutorBackend: RECEIVED SIGNAL TERM,其他没有任何报错信息;

查阅大量资料,发现可能是因为spark的动态executor分配导致;在${SPARK_HOME}/con/spark-default.conf配置文件中,配置信息如下:

spark.dynamicAllocation.enabled=true
spark.dynamicAllocation.executorIdleTimeout=60

由于开启动态executor分配,spark会检测executor的运行状态;超过指定时间(如上配置为60s),发现executor仍然处于空闲状态,会把该executor移除;

解决方案

修改${SPARK_HOME}/con/spark-default.conf配置文件,将动态分配executor机制关闭

spark.dynamicAllocation.enabled=false

修改完配置后,重新启动程序,问题解决

 

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值