无法在 Cloudera Quickstart VM 5.3.0 中使用 Cloudera Manager 添加新服务

Question

我正在使用 Cloudera Quickstart VM 5.3.0（在 Windows 7 上的 Virtual Box 4.3 中运行）并且我想学习 Spark（在 YARN 上）。

我启动了 Cloudera Manager。在侧边栏中，我可以看到所有服务，有 Spark，但处于独立模式。所以我点击“添加新服务”，选择“Spark”。然后我必须为这个服务选择依赖集，我没有选择我必须选择 HDFS/YARN/zookeeper。 下一步我必须选择一个历史服务器和一个网关，我在本地模式下运行 VM，所以我只能选择 localhost。

我点击“继续”并出现此错误（+ 69 条痕迹）：

发生服务器错误。将以下信息发送至 Cloudera。

路径：http://localhost:7180/cmf/clusters/1/add-service/reviewConfig

版本：Cloudera Express 5.3.0（由 jenkins 构建的#155 20141216-1458 git: e9aae1d1d1ce2982d812b22bd1c29ff7af355226)

org.springframework.web.bind.MissingServletRequestParameterException: 必需 长参数“serviceId”不存在于 AnnotationMethodHandlerAdapter.java 中的第 738 行 org.springframework.web.servlet.mvc.annotation.AnnotationMethodHandlerAdapter$ServletHandlerMethodInvoker raiseMissingParameterException()

我不知道是否需要互联网连接，但我确切地说我无法使用虚拟机连接到互联网。 （编辑：即使有互联网连接，我也会遇到同样的错误）

我不知道如何添加此服务，我尝试过使用或不使用网关，有很多网络选项，但它从未奏效。我检查了已知问题；没什么……

有人知道我可以如何解决此错误或如何解决吗？感谢您的帮助。

Answer 1

朱利安，

在回答你的问题之前，我想对 Cloudera Distribution of Hadoop 5 (CDH5) 中的 Spark 做一些一般性说明：

1. Spark 以三种不同的格式运行：(1) 本地，(2) Spark 自己的独立管理器，以及 (3) 其他集群资源管理器，例如 Hadoop YARN、Apache Mesos 和 Amazon EC2。
2. Spark 开箱即用，适用于 (1) 和 (2) 的 CHD 5。您可以发起一个本地 Scala 中使用spark-shell 命令的交互式火花会话 或 pyspark 用于 Python，不传递任何参数。我发现交互式 Scala 和 Python 口译员帮助学习使用 Resilient Distributed 进行编程 数据集 (RDD)。

我能够在我的 CDH 5.3.x 发行版上重现您的错误。我并不是要为您发现的错误而称赞，而是I posted to the Cloudera developer community for feedback.

为了在 QuickStart 伪分布式环境中使用 Spark，请使用以下命令查看是否所有 Spark 守护程序都在运行（您可以在 Cloudera Manager (CM) UI 中执行此操作）：

[cloudera@quickstart simplesparkapp]$ sudo service --status-all | grep -i spark
Spark history-server is not running                        [FAILED]
Spark master is not running                                [FAILED]
Spark worker is not running                                [FAILED]

我已经手动停止了所有独立的 Spark 服务，因此我们可以尝试在 Yarn 中提交 Spark 作业。

为了在快速启动集群上的 Yarn 容器中运行 Spark，我们必须执行以下操作：

1. 将HADOOP_CONF_DIR 设置为包含yarn-site.xml 配置文件的目录的根目录。这通常是 CHD5 中的 /etc/hadoop/conf。您可以使用命令export HADOOP_CONF_DIR="/etc/hadoop/conf" 设置此变量。
2. 使用spark-submit 提交作业并指定您使用的是Hadoop YARN。
   

   spark-submit --class CLASS_PATH --master yarn JAR_DIR ARGS

3. 检查 Hue 中的作业状态并与 Spark History 服务器进行比较。 Hue 应该显示放置在通用 Yarn 容器中的作业，并且 Spark History 不应该有提交作业的记录。

使用的参考资料：

• 学习 Spark，第 7 章
• Sandy Ryza's Blog Post on Spark and CDH5
• Spark Documentation for Running on Yarn