首页
/ Apache DolphinScheduler中停止Spark作业失败问题分析与解决

Apache DolphinScheduler中停止Spark作业失败问题分析与解决

2025-05-17 12:12:00作者:何将鹤

问题背景

在使用Apache DolphinScheduler管理Spark作业时,用户发现无法通过平台成功停止运行在YARN上的Spark作业。虽然DolphinScheduler的任务实例状态显示为"已终止",但实际上Spark作业仍在继续运行。手动执行生成的.kill文件可以成功停止作业,但在平台内操作却失败。

问题现象

当用户尝试通过DolphinScheduler停止Spark作业时,日志显示YARN应用终止失败,并抛出ExitCodeException,退出码为137(表示shell执行被中断)。有趣的是,当用户切换到开发模式,保留.kill文件并手动执行时,作业却能成功停止。

深入分析

初步排查

  1. 权限问题:首先怀疑是文件执行权限问题,但检查发现即使用户权限不足,通过sh命令也能成功执行.kill文件。

  2. 环境差异:手动执行与平台执行的差异主要在于执行用户不同(平台使用租户用户执行),但测试表明租户用户确实有执行权限。

  3. sudo权限:检查发现引导用户(dolphinscheduler)拥有使用sudo -u切换用户的权限,排除了这方面的问题。

关键发现

通过Arthas工具进行调试时,发现了一个关键错误信息:

ERROR: Cannot execute /usr/hdp/current/hadoop/libexec/yarn-config.sh.

这表明执行过程中系统尝试加载yarn-config.sh配置文件但失败。进一步调查发现,这是由于HADOOP_HOME环境变量配置错误导致的。

根本原因

  1. 环境依赖:虽然.kill文件本身只包含简单的yarn application -kill命令,但在执行过程中,YARN客户端会尝试加载yarn-config.sh来获取必要的环境变量配置。

  2. 配置缺失:由于HADOOP_HOME环境变量配置错误,系统无法找到yarn-config.sh文件,导致命令执行失败。

  3. 执行上下文差异:手动执行时可能继承了正确的环境变量,而通过DolphinScheduler执行时环境变量未被正确设置。

解决方案

  1. 修复HADOOP_HOME:确保HADOOP_HOME环境变量正确指向Hadoop安装目录。

  2. 验证配置

    • 检查/usr/hdp/current/hadoop/libexec/yarn-config.sh文件是否存在
    • 确认该文件有可执行权限
    • 验证Hadoop相关环境变量配置正确
  3. 环境变量传递:确保DolphinScheduler在执行任务时能正确传递必要的环境变量。

经验总结

  1. 环境一致性:分布式任务调度系统对执行环境有严格要求,必须确保所有节点环境配置一致。

  2. 错误排查:对于看似权限问题但实际是环境配置问题的场景,需要深入分析执行上下文差异。

  3. 日志分析:善用调试工具(如Arthas)可以帮助发现表面错误信息下的根本原因。

  4. YARN集成:与YARN集成时,不仅需要关注命令本身,还需要注意YARN客户端所需的各种配置文件和环境变量。

这个问题展示了在复杂分布式环境中,一个小配置问题可能导致功能异常。通过系统化的排查方法,最终定位并解决了这个影响作业停止功能的配置问题。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.93 K
kernelkernel
deepin linux kernel
C
22
6
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
423
392
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
64
511