Spark 1.5.0 远程调试
本帖最后由 eying 于 2015-10-21 16:10 编辑问题导读：
1.Spark 1.5.0运程调试的过程？
2.安装调试前需要的事情？
3.调试中需要注意什么？
static/image/hrline/4.gif
作者：摇摆少年梦 微信号：zhouzhihubeyond
一、先决条件
[*]已安装好Spark集群，本例子中使用的是spark-1.5.0. 安装方法参见：http://blog.csdn.net/lovehuangjiaju/article/details/48494737
[*]已经安装好Intellij IDEA，本例中使用的是Intellij IDEA 14.1.4，具体安装方法参见：http://blog.csdn.net/lovehuangjiaju/article/details/48577281
二、远程调试过程描述
1.打开Intellij IDEA，File->New ->Project
2.选择Scala，然后next
3.配置好JDK、Scala版本，填入项目名称，然后Finish
4.导入spark-assembly-1.5.0-hadoop2.4.0.jarFile->Prject Structure->Library
点”+”号->选择JAVA
找到spark-1.5.0安装目录，选择spark-assembly-1.5.0-hadoop2.4.0.jar，我的机器上jar包目录为
/hadoopLearning/spark-1.5.0-bin-hadoop2.4/lib/spark-assembly-1.5.0-hadoop2.4.0.jar，然后Finish
最后点击“OK”完成导入
5.关联spark-1.5.0源代码
在Extended Library中展开spark-assembly-1.5.0-hadoop2.4.0.jar
找到org->apache->spark
点开下面包中的任意源文件，我在本机上选择”SparkContext.class”文件，默认情况下Intellij IDEA会为我们反编译.class文件，但源码里面没有注释，可以选择右上角的”Attach Sources”
选择源码文件目录，我的机器上源码解压在/hadoopLearning/spark-1.5.0目录，完成后“OK”
完成后会提示根目录
全部选择后点击“OK”，此时显示的不是反编译后的代码，而是关联源代码后的代码，你会发现多了很多注释
至此源码阅读环境构建完毕。
6.启动spark-1.5.0集群 root@sparkmaster:/hadoopLearning/spark-1.5.0-bin-hadoop2.4/sbin# ./start-all.sh
7.修改spark-class脚本
本机器上的spark-class脚本位于/hadoopLearning/spark-1.5.0-bin-hadoop2.4/bin目录 将脚本中的内容done < <(
"$RUNNER" -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main "$@")修改为done
< <(
"$RUNNER" -cp "$LAUNCH_CLASSPATH" org.apache.spark.launcher.Main $JAVA_OPTS "$@")然后在命令行中执行下列语句
export JAVA_OPTS="$JAVA_OPTS -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=5005"
8 创建用于测试的Spark应用程序
选择项目中的src文件，然后右键 New->Scala Class
然后选择Object
命名为SparkWordCount，然后点击OK，输入如下内容
import org
.apache.spark.SparkContext._
import org.apache.spark.{SparkConf, SparkContext}
object SparkWordCount{
def main(args: Array) {
if (args.length == 0) {
System.err.println("Usage: SparkWordCount <inputfile> <outputfile>")
System.exit(1)
}
val conf = new SparkConf().setAppName("SparkWordCount")
val sc = new SparkContext(conf)
val file=sc.textFile("file:///hadoopLearning/spark-1.5.1-bin-hadoop2.4/README.md")
val counts=file.flatMap(line=>line.split(" "))
.map(word=>(word,1))
.reduceByKey(_+_)
counts.saveAsTextFile("file:///hadoopLearning/spark-1.5.1-bin-hadoop2.4/countReslut.txt")
}
}
9 将Spark应用程序打包
选择项目，File->Project Structure
选择 Artifacts
点击“+”号，然后选择”Jar”->”From modules with dependencies”
选择SparkWordCount作为MainClass
Spark应用程序在运行是会自动加载spark-assembly-1.5.0-hadoop2.4.0.jar等jar包，为减少后期Jar包的体积，可以将spark-assembly-1.5.0-hadoop2.4.0.jar等jar包删除，这样打包时不会被打包进去。
完成后点击”OK”再选择”Build”->”Build Artifacts”
Action中选择“Build”
编译后在对应目录中可以看到生成的jar包文件，本机器上的目录是：
/root/IdeaProjects/SparkRemoteDebugPeoject/out/artifacts/SparkRemoteDebugPeoject_jar
10 将代码利用spark-submit提交到集群root
@sparkmaster:/hadoopLearning/spark-1.5.0-bin-hadoop2.4/bin# ./spark-submit --master spark://sparkmaster:7077 --class SparkWordCount --executor-memory 1g /root/IdeaProjects/SparkRemoteDebugPeoject/out/artifacts/SparkRemoteDebugPeoject_jar hdfs://ns1/README.md hdfs://ns1/SparkWordCountResult
//注意这一行语句
Listening for transport dt_socket at address: 5005
11 Intellij IDEA中配置远程调试 Run->Edit Configuration
找到Remote
点击”+“号，命名为Spark_Remote_Debug，其它配置默认，Intellij IDEA已为我们默认配置
完成后，点击OK
12 正式启动远程调试 在源码中设置断点，本例中选择在SparkSubmit.scala文件中设置断点
然后按 F9
选择Spark_Remote_Debug
Spark控制台出现：Connected to the target VM, address: ‘localhost:5005’, transport: ‘socket’，如下图
在Debugger上可以看到
程序在运行SparkSubmit源码中设置断点处
至此，远程调试正式开始，请畅游Spark源代码吧最后说明一下调试参数：
参见：http://www.thebigdata.cn/QiTa/12370.html-
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。版权声明：本文为博主原创文章，未经博主允许不得转载。
赞！ 正是需要时{:soso_e179:} 得抓紧时间学了啊 大赞，这种文章找好久啦 谢谢楼主，正需要，学习一下，赞~
页:
[1]