Hive提交到yarn的任务一直在running问题排查
一、问题描述
最近有数据平台的同学反馈yarn上面有一些任务跑了很久没有结束,状态一直处于running中。去Spark HistoryServer查看任务详情也没看到相关运行记录,需要人为手动kill任务才会停止并释放资源。
二、问题排查
从Spark HistoryServer可以看出,任务的Driver虽然启动了,但是并未执行job,并且一直阻塞在那没有退出。从yarn的角度来看,这个任务就是在运行中。
因此,我们需要排查是究竟什么原因导致Driver不退出,又不接收job运行呢?
由于这是hive提交的任务,我们可以先看一下Hive是怎么提交spark任务的。
Hive提交Spark任务流程
- Hive要提交一个Spark任务时,会先通过spark-submit提交一个spark程序到yarn集群运行。而运行的MainClass就是RemoteDriver
- RemoteDriver在yarn的container启动后,会主动去连接Hiveserver2开放的rpc端口(这个端口在spark-submit时会带上,因此RemoteDriver知道要连接的host和ip)
- 连接建立后,SparkClientImpl这边会根据clientId从RpcServer中找到对应的channel,之后将要运行的job通过kvro工具序列化成字节流发送给RemoteDriver
- RemoteDriver这边在连接成功后,就开始准备接收SparkClientImpl发送过来的消息并执行。
- 最后,如果在SparkClientImpl关闭时也会相应的关闭远程的RemoteDriver,具体做法是发送一个关闭的消息给RemoteDriver,告诉它可以停掉了。(SparkClientImpl一般是在整个客户端的session关闭时关闭的)
RpcServer在整个Hiveserver2进程中只会有一个,因此需要通过clientId来标识对应的RemoteDriver客户端。这个clientId也会在spark-submit时带上。
问题定位
了解了提交的过程后,我们可以知道RemoteDriver的关闭依赖于SparkClientImpl发送的关闭请求。那么情况无非有两种:
- SparkClientImpl发送了关闭消息,但是RemoteDriver没收到或者忽略了该消息
- SparkClientImpl由于一些原因,没发送关闭消息
由于这种情况发生了好几例,且网络表现正常,因此基本可以排除掉因网络不佳丢包的可能性。之后仔细看了下RemoteDriver这边Rpc的相关代码,也基本可以排除RemoteDriver忽略消息的可能性。因此大概率是SparkClientImpl没有发送关闭消息导致的。
查了下HiveServer2这边那天的日志,果然发现一些异常,都是在任务启动时报的:
从异常信息我们可以很清晰的看出,SparkClientImpl在等待RemoteDriver的连接时抛出了InterruptedException。我们再看一下相关代码:
String clientId = UUID.randomUUID().toString();
String secret = rpcServer.createSecret();
//通过spark-submit提交RemoteDriver到yarn集群运行
this.driverThread = startDriver(rpcServer, clientId, secret);
this.protocol = new ClientProtocol();
try {
//109行,等待RemoteDriver的连接并获取连接
this.driverRpc = rpcServer.registerClient(clientId, secret, protocol).get();
} catch (Throwable e) {
if (e.getCause() instanceof TimeoutException) {
LOG.error("Timed out waiting for client to connect.\nPossible reasons include network " +
"issues, errors in remote driver or the cluster has no available resources, etc." +
"\nPlease check YARN or Spark driver's logs for further information.", e);
} else {
//InterruptedException会走这里
LOG.error("Error while waiting for client to connect.", e);
}
//driverThread是阻塞等待spark-submit子进程跑完的线程
driverThread.interrupt();
try {
driverThread.join();
} catch (InterruptedException ie) {
// Give up.
LOG.debug("Interrupted before driver thread was finished.");
}
//向外层继续抛出异常
throw Throwables.propagate(e);
}
从上面的代码来看,SparkClientImpl在等待RemoteDriver的连接时抛出了InterruptedException,代码除了关闭driverThread外,并没有做其他的事了。
这样就可能存在一个问题,虽然SparkClientImpl在这里退出了,但是RemoteDriver又连接上了RpcServer,它就会一直等待远程的消息并一直运行下去。
后面刚好有一个任务也出现这种情况,登陆RemoteDriver所在的机器看了下tcp连接**,发现连接确实还存活着,但是SparkClientImpl这时已经退出了。**
RemoteDriver所在服务器的端口扫描:
问题总结
出现这个问题的原因应该是用户提交一个sql到HiveServer后立马关闭了session,而此时SparkClientImpl又刚好在阻塞等待来自RemoteDriver的连接。因为session的关闭,关闭session的线程会主动interrupt掉SparkClientImpl所在的线程**。**
SparkClientImpl等待连接抛出异常后又没通知rpcServer进行相关解除注册处理,因此RemoteDriver成功的建立了连接,并一直等待来自SparkClientImpl的请求。然而此时SparkClientImpl已经退出,因此除非外界干涉,否则RemoteDriver永远不会停止运行。
三、解决方案
修改源码,在SparkClientImpl抛出InterruptedException时,移除SparkClientImpl对rpcServer的注册,这样客户端在连接过来时,rpcServer就会直接返回错误信息,客户端收到错误信息后就会判定连接失败从而退出进程。
try {
//109行,等待RemoteDriver的连接并获取连接
this.driverRpc = rpcServer.registerClient(clientId, secret, protocol).get();
} catch (Throwable e) {
if (e.getCause() instanceof TimeoutException) {
LOG.error("Timed out waiting for client to connect.\nPossible reasons include network " +
"issues, errors in remote driver or the cluster has no available resources, etc." +
"\nPlease check YARN or Spark driver's logs for further information.", e);
} else {
//InterruptedException会走这里
LOG.error("Error while waiting for client to connect.", e);
//以下是添加代码块
//其实就是将clientInfo从pendingClients中移除
// 在客户端发送连接时,rpcserver发现客户端clientId不在pendingClients中,就会返回失败的信息给客户端
rpcServer.cancelClient(clientId,"cancel client for " + e.getMessage());
//添加代码块结束
}
//driverThread是阻塞等待spark-submit子进程跑完的线程
driverThread.interrupt();
try {
driverThread.join();
} catch (InterruptedException ie) {
// Give up.
LOG.debug("Interrupted before driver thread was finished.");
}
//向外层继续抛出异常
throw Throwables.propagate(e);
}
上一篇: 宋江死后最高兴的人是谁?是高俅还是宋徽宗
下一篇: php AES128位加密