Всякий раз, когда я пытаюсь выполнить простую обработку в pyspark, он не может открыть сокет.Исключение: не удалось открыть сокет на pyspark
>>> myRDD = sc.parallelize(range(6), 3)
>>> sc.runJob(myRDD, lambda part: [x * x for x in part])
Над кидает исключение -
port 53554 , proto 6 , sa ('127.0.0.1', 53554)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/Volumes/work/bigdata/spark-custom/python/pyspark/context.py", line 917, in runJob
return list(_load_from_socket(port, mappedRDD._jrdd_deserializer))
File "/Volumes/work/bigdata/spark-custom/python/pyspark/rdd.py", line 143, in _load_from_socket
raise Exception("could not open socket")
Exception: could not open socket
>>> 15/08/30 19:03:05 ERROR PythonRDD: Error while sending iterator
java.net.SocketTimeoutException: Accept timed out
at java.net.PlainSocketImpl.socketAccept(Native Method)
at java.net.AbstractPlainSocketImpl.accept(AbstractPlainSocketImpl.java:404)
at java.net.ServerSocket.implAccept(ServerSocket.java:545)
at java.net.ServerSocket.accept(ServerSocket.java:513)
at org.apache.spark.api.python.PythonRDD$$anon$2.run(PythonRDD.scala:613)
Я проверил через rdd.py _load_from_socket и понял, что это получает порт, но сервер еще не запущен или зр runJob может быть проблемный
port = self._jvm.PythonRDD.runJob(self._jsc.sc(), mappedRDD._jrdd, partitions)
Это не работает для меня. Я использую версии Spark 1.5.2 и jdk1.7. – prabhugs
Ошибка при попытке драйвера python подключиться к scala-части драйвера, при любом искровом действии (подсчет, уменьшение ....) Соответствующая строка ниже показывает, что тайм-аут жестко запрограммирован на 3 секунды. https://github.com/apache/spark/blob/master/python/pyspark/rdd.py#L121 Технически сейчас нет возможности настроить тайм-аут, поэтому единственный способ восстановления кода на Python - чтобы поймать исключение в коде уровня приложения и повторить попытку для настраиваемого количества раз. – farmi