如何为Spark Application指定不同的JDK版本详解

前言

随着企业内部业务系统越来越多，基于jvm的服务，通常情况线上环境可能会有多套jdk跑不同的服务。大家都知道基于高版本的java规范编写的服务跑在低版本的jvm上会出现：java.lang.unsupportedclassversionerror的异常。

spark 2.2开始移除了对java 7的支持，大多数情况下，我们的spark application是和hadoop系统公用的jdk，如果hadoop依赖的jdk版本是7，那我们基于jdk 8编写的application跑在上面就会出问题。

该文主要介绍在不同的场景下，如何为spark application指定不同的jdk版本。

集群已部署了指定的jdk版本

假设集群中每个节点jdk的部署路径为：/usr/java/jdk1.8

spark提供了spark.executorenv.[environmentvariablename]配置，可以用来给executor进程添加环境变量，如果spark application使用的集群管理器是standalone，只需要通过spark.executorenv.java_home制定executor端的jdk路径即可，如下：

$spark_home/bin/spark-submit \
 --conf "spark.executorenv.java_home=/usr/java/jdk1.8" \
 ...

在yarn模式下，还需要为application master指定不同的java_home环境变量，如下：

$spark_home/bin/spark-submit \
 --conf "spark.executorenv.java_home=/usr/java/jdk1.8" \
 --conf "spark.yarn.appmasterenv.java_home=/usr/java/jdk1.8" \
 ...

以cluster的方式部署在yarn上的时候，spark.yarn.appmasterenv.java_home相当于为spark application的driver设置了特定的jdk版本；

以client的模式部署时，spark.yarn.appmasterenv.java_home仅仅是为executor launcher设置了特定的jdk版本。

driver端的jdk版本和spark-submit所在的机器中的spark_home环境变量一致，直接在spark-env.sh中指定即可。

集群缺失特定的jdk版本，且对集群无管理权限

某些特殊的场景下，我们对集群没有管理权限，只能通过yarn提交application，并且集群里没有部署我们需要的jdk版本，这种情形就需要将jdk的安装包也一并提交了。

这里要求我们的jdk安装包必须为gz格式的，和你代码打包后的jar包放在同一目录下，假设我们下载的jdk的安装包为：jdk-8u141-linux-x64.tar.gz。

关键配置如下：

$spark_home/bin/spark-submit \
 --conf "spark.yarn.dist.archives=jdk-8u141-linux-x64.tar.gz" \
 --conf "spark.executorenv.java_home=./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141" \
 --conf "spark.yarn.appmasterenv.java_home=./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141" \
 ...

我们可以通过指定spark.yarn.dist.archives配置，将jdk的安装包分发到所有executor的工作目录下（包括application master的executor），另外tar.gz的压缩包也会被自动解压，假设jdk-8u141-linux-x64.tar.gz解压后的目录为jdk1.8.0_141，那么我们特定的jdk的目录就是：./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141，不同的jdk版本以此类推即可。

注意：由于spark standalone没有提供分发jdk安装包并自动解压的功能，所以，这种方式只能用在yarn下。

验证

通过ps -ef grep查询相关进程信息，可以看到java的启动路径为我们特定jdk目录的java表示配置成功。

如下是我在yarn模式下，单独指定jdk版本的executor的进程启动信息：

stan  590751 590745 0 20:45 ?  00:00:14 ./jdk-8u141-linux-x64.tar.gz/jdk1.8.0_141/bin/java -server -xmx512m -xx:+useg1gc -xx:+unlockdiagnosticvmoptions -xx:+g1summarizeconcmark -xx:initiatingheapoccupancypercent=35 -xx:permsize=256m -xx:+printgcdetails -xx:+printgcdatestamps -xloggc:./gc.log -verbose:gc -djava.io.tmpdir=/home/stan/tmp/hadoop-stan/nm-local-dir/usercache/stan/appcache/application_1508397483453_0095/container_1508397483453_0095_01_000004/tmp -dspark.driver.port=52986 -dspark.yarn.app.container.log.dir=/home/stan//hadoop-2.6.4/logs/userlogs/application_1508397483453_0095/container_1508397483453_0095_01_000004 -xx:onoutofmemoryerror=kill %p org.apache.spark.executor.coarsegrainedexecutorbackend --driver-url spark://coarsegrainedscheduler@10.0.0.110:52986 --executor-id 3 --hostname stan --cores 1 --app-id application_1508397483453_0095 --user-class-path file:/home/stan/tmp/hadoop-stan/nm-local-dir/usercache/stan/appcache/application_1508397483453_0095/container_1508397483453_0095_01_000004/__app__.jar

附：spark application运行时版本不兼容错误的解决方法

17/06/27 14:34:41 info deprecation: mapred.map.tasks is deprecated. instead, use mapreduce.job.maps 
17/06/27 14:34:41 info memorystore: block broadcast_0 stored as values in memory (estimated size 788.8 kb, free 1246.5 mb) 
17/06/27 14:34:41 info memorystore: block broadcast_0_piece0 stored as bytes in memory (estimated size 54.0 kb, free 1246.4 mb) 
17/06/27 14:34:41 info blockmanagerinfo: added broadcast_0_piece0 in memory on 10.50.70.121:37335 (size: 54.0 kb, free: 1247.2 mb) 
17/06/27 14:34:41 info sparkcontext: created broadcast 0 from rdd at tradeinfooutlier.scala:30 
exception in thread "main" java.lang.nosuchmethoderror: scala.reflect.api.javauniverse.runtimemirror(ljava/lang/classloader;)lscala/reflect/api/javauniverse$javamirror; 
at com.fangdd.data.profile.outlier.tradeinfooutlier$.main(tradeinfooutlier.scala:30) 
at com.fangdd.data.profile.outlier.tradeinfooutlier.main(tradeinfooutlier.scala) 
at sun.reflect.nativemethodaccessorimpl.invoke0(native method) 
at sun.reflect.nativemethodaccessorimpl.invoke(nativemethodaccessorimpl.java:62) 
at sun.reflect.delegatingmethodaccessorimpl.invoke(delegatingmethodaccessorimpl.java:43) 
at java.lang.reflect.method.invoke(method.java:498) 
at org.apache.spark.deploy.sparksubmit$.org$apache$spark$deploy$sparksubmit$$runmain(sparksubmit.scala:745) 
at org.apache.spark.deploy.sparksubmit$.dorunmain$1(sparksubmit.scala:181) 
at org.apache.spark.deploy.sparksubmit$.submit(sparksubmit.scala:206) 
at org.apache.spark.deploy.sparksubmit$.main(sparksubmit.scala:121) 
at org.apache.spark.deploy.sparksubmit.main(sparksubmit.scala) 
17/06/27 14:34:42 info sparkcontext: invoking stop() from shutdown hook 

这种错误是由于生产环境采用的是scala 2.10 + spark1.6.3的运行环境，本地打的application jar使用scala2.11 + spark.1.6.3的编译环境，所以放入生产环境集群报了上述错误，更改scala版本重新打jar包后运行成功

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，如果有疑问大家可以留言交流，谢谢大家对的支持。