造成此问题的原因可能是EMR默认未将Shaded Jar添加到Spark Executor Classpath中,需要在初始化EMR操作符时手动将Shaded Jar上传到S3并添加到每个步骤的Spark Executor Classpath中。
以下是一个例子,首先将Shaded Jar上传到S3:
from airflow.contrib.operators.emr_add_steps_operator import EmrAddStepsOperator from airflow.contrib.hooks.emr_hook import EmrHook
s3_conn_id = 'aws_default' emr_conn_id = 'aws_default' s3_bucket = 'your_s3_bucket' s3_key = 'path/to/your/shaded-jar.jar'
S3Hook(s3_conn_id).load_file(Filename='/path/to/your/shaded-jar.jar', Key=s3_key, Bucket=s3_bucket)
step = [ { 'Name': 'My Spark Step', 'ActionOnFailure': 'TERMINATE_CLUSTER', 'HadoopJarStep': { 'Jar': 's3://' + s3_bucket + '/' + s3_key, 'MainClass': 'com.example.spark.ClassName', 'Args': [ ... ] } } ] EmrAddStepsOperator( task_id='add_step', job_flow_id='{{ jobflow_id }}', aws_conn_id=emr_conn_id, steps=step )
注意,您需要将My Spark Step部分中的Jar值更改为您的Shaded Jar在S3中的位置,MainClass值更改为您要运行的Spark应用程序的主类,将Args值更改为Spark应用程序的参数。
然后,添加Spark Executor Classpath到您的EMR集群配置中。具体做法是:在EMR 控制台中选择“集群”,选择“属性”选项卡,找到和点击“高级配置”按钮,找到“spark.executor.extraClassPath”和“spark.driver.extraClassPath”属性并将S3中Shaded Jar的S3路径添加到值字段。 然后,您就可以愉快地运行您的Spark复合卡了!
上一篇:AirflowEmailOperator抛出了socket.error错误。
下一篇:AirflowEmrCreateJobFlowOperator中的JOB_flow_overrides是什么?什么时候使用它?