org.apache.thrift.transport.TTransportException ошибка при чтении большого файла JSON в zeppelin scala

Question

Я пытаюсь прочитать большой файл JSON (1,5 ГБ) с помощью Zeppelin и Scala.

Zeppelin работает на SPARK в локальном режиме, установленном на ОС Ubuntu на виртуальной машине с ОЗУ 10 ГБ. Я выделила 8 Гб на spark.executor.memory

Мой код ниже

val inputFileWeather="/home/shashi/incubator-zeppelin-master/data/ai/weather.json" 
val temp=sqlContext.read.json(inputFileWeather) 

Я получаю следующее сообщение об ошибке

org.apache.thrift.transport.TTransportException 
    at org.apache.thrift.transport.TIOStreamTransport.read(TIOStreamTransport.java:132) 
    at org.apache.thrift.transport.TTransport.readAll(TTransport.java:86) 
    at org.apache.thrift.protocol.TBinaryProtocol.readAll(TBinaryProtocol.java:429) 
    at org.apache.thrift.protocol.TBinaryProtocol.readI32(TBinaryProtocol.java:318) 
    at org.apache.thrift.protocol.TBinaryProtocol.readMessageBegin(TBinaryProtocol.java:219) 
    at org.apache.thrift.TServiceClient.receiveBase(TServiceClient.java:69) 
    at org.apache.zeppelin.interpreter.thrift.RemoteInterpreterService$Client.recv_interpret(RemoteInterpreterService.java:241) 
    at org.apache.zeppelin.interpreter.thrift.RemoteInterpreterService$Client.interpret(RemoteInterpreterService.java:225) 
    at org.apache.zeppelin.interpreter.remote.RemoteInterpreter.interpret(RemoteInterpreter.java:229) 
    at org.apache.zeppelin.interpreter.LazyOpenInterpreter.interpret(LazyOpenInterpreter.java:93) 
    at org.apache.zeppelin.notebook.Paragraph.jobRun(Paragraph.java:229) 
    at org.apache.zeppelin.scheduler.Job.run(Job.java:171) 
    at org.apache.zeppelin.scheduler.RemoteScheduler$JobRunner.run(RemoteScheduler.java:328) 
    at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:471) 
    at java.util.concurrent.FutureTask.run(FutureTask.java:262) 
    at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.access$201(ScheduledThreadPoolExecutor.java:178) 
    at java.util.concurrent.ScheduledThreadPoolExecutor$ScheduledFutureTask.run(ScheduledThreadPoolExecutor.java:292) 
    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145) 
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615) 
    at java.lang.Thread.run(Thread.java:745) 

Answer 1

Ошибка вы получили из-за проблемы в используя интерпретатор Spark, поэтому Zeppelin не смог подключиться к процессу интерпретатора.

Вы должны проверить свои журналы, расположенные в /PATH/TO/ZEPPELIN/logs/*.out, чтобы точно знать, что происходит. Возможно, в журналах интерпретатора вы увидите OOM.

Я думаю, что 8 ГБ для памяти исполнителя на виртуальной машине с 10 ГБ является необоснованным (и сколько исполнителей вы начинаете?). Вы должны также рассмотреть вопросник водителя