Описание

У нас есть приложение Spark Streaming 1.5.2 в Scala, которое считывает события JSON из потока Kinesis, выполняет некоторые преобразования/агрегации и записывает результаты в разные префиксы S3. Текущий интервал между партиями составляет 60 секунд. У нас 3000-7000 событий/сек. Использовали контрольную точку, чтобы защитить нас от потери агрегатов.

Он работал хорошо некоторое время, восстанавливаясь из-за исключений и даже перезапуска кластеров. Недавно мы перекомпилировали код Spark Streaming 1.6.0, заменив только библиотечные зависимости в файле build.sbt. После запуска кода в кластере Spark 1.6.0 в течение нескольких часов мы заметили следующее:

Волатильность "Скорость ввода" и "Время обработки" значительно увеличилась (см. скриншоты ниже) в 1.6.0.
Каждые несколько часов theres "Исключение брошено при записи записи: BlockAdditionEvent... в WriteAheadLog. java.util.concurrent.TimeoutException: фьючерсы, истекающие после исключения [5000 миллисекунд]" (см. полную трассировку стека ниже), совпадающие с падением до 0 событий/сек для определенных партий (минут).

После некоторого копания, я думаю, что вторая проблема связана с этим Pull Request. Первоначальная цель PR: "При использовании S3 в качестве каталога для WAL, записи занимают слишком много времени. Драйвер становится очень узким, когда несколько получателей отправляют события AddBlock в ReceiverTracker. Этот PR добавляет допуск событий в ReceivedBlockTracker, так что приемники не слишком долго блокируются драйвером".

Мы находимся на контрольной точке в S3 в Spark 1.5.2, и проблем с производительностью/надежностью нет. Мы проверили контрольную точку в Spark 1.6.0 на S3 и местном NAS и в обоих случаях получили это исключение. Похоже, что, когда на контрольную точку партии требуется больше 5 секунд, это исключение возникает, и мы проверили, что события для этой партии теряются навсегда.

Вопросы

Ожидается ли повышение волатильности "Скорость ввода" и "Время обработки" в Spark Streaming 1.6.0 и есть ли какой-либо известный способ ее улучшения?
Знаете ли вы о каком-либо обходном пути помимо этих 2?:

1) Чтобы гарантировать, что для хранения всех файлов приемник контрольных точек занимает менее 5 секунд. По моему опыту, вы не можете гарантировать это с помощью S3 даже для небольших партий. Для локального NAS это зависит от того, кто отвечает за инфраструктуру (сложно с облачными провайдерами).

2) Увеличьте значение свойства spark.streaming.driver.writeAheadLog.batchingTimeout.
Ожидаете ли вы потерять какие-либо события в описанном сценарии? Я думаю, что если пакетная контрольная точка не сработает, номера последовательностей осколков/приемников не будут увеличены, и они будут повторно рассмотрены позднее.

Spark 1.5.2 Статистика - Скриншот

Spark 1.6.0 Статистика - Скриншот

Полная трассировка стека

16/01/19 03:25:03 WARN ReceivedBlockTracker: Exception thrown while writing record: BlockAdditionEvent(ReceivedBlockInfo(0,Some(3521),Some(SequenceNumberRanges(SequenceNumberRange(StreamEventsPRD,shardId-000000000003,49558087746891612304997255299934807015508295035511636018,49558087746891612304997255303224294170679701088606617650), SequenceNumberRange(StreamEventsPRD,shardId-000000000004,49558087949939897337618579003482122196174788079896232002,49558087949939897337618579006984380295598368799020023874), SequenceNumberRange(StreamEventsPRD,shardId-000000000001,49558087735072217349776025034858012188384702720257294354,49558087735072217349776025038332464993957147037082320914), SequenceNumberRange(StreamEventsPRD,shardId-000000000009,49558088270111696152922722880993488801473174525649617042,49558088270111696152922722884455852348849472550727581842), SequenceNumberRange(StreamEventsPRD,shardId-000000000000,49558087841379869711171505550483827793283335010434154498,49558087841379869711171505554030816148032657077741551618), SequenceNumberRange(StreamEventsPRD,shardId-000000000002,49558087853556076589569225785774419228345486684446523426,49558087853556076589569225789389107428993227916817989666))),BlockManagerBasedStoreResult(input-0-1453142312126,Some(3521)))) to the WriteAheadLog.
java.util.concurrent.TimeoutException: Futures timed out after [5000 milliseconds]
    at scala.concurrent.impl.Promise$DefaultPromise.ready(Promise.scala:219)
    at scala.concurrent.impl.Promise$DefaultPromise.result(Promise.scala:223)
    at scala.concurrent.Await$$anonfun$result$1.apply(package.scala:107)
    at scala.concurrent.BlockContext$DefaultBlockContext$.blockOn(BlockContext.scala:53)
    at scala.concurrent.Await$.result(package.scala:107)
    at org.apache.spark.streaming.util.BatchedWriteAheadLog.write(BatchedWriteAheadLog.scala:81)
    at org.apache.spark.streaming.scheduler.ReceivedBlockTracker.writeToLog(ReceivedBlockTracker.scala:232)
    at org.apache.spark.streaming.scheduler.ReceivedBlockTracker.addBlock(ReceivedBlockTracker.scala:87)
    at org.apache.spark.streaming.scheduler.ReceiverTracker.org$apache$spark$streaming$scheduler$ReceiverTracker$$addBlock(ReceiverTracker.scala:321)
    at org.apache.spark.streaming.scheduler.ReceiverTracker$ReceiverTrackerEndpoint$$anonfun$receiveAndReply$1$$anon$1$$anonfun$run$1.apply$mcV$sp(ReceiverTracker.scala:500)
    at org.apache.spark.util.Utils$.tryLogNonFatalError(Utils.scala:1230)
    at org.apache.spark.streaming.scheduler.ReceiverTracker$ReceiverTrackerEndpoint$$anonfun$receiveAndReply$1$$anon$1.run(ReceiverTracker.scala:498)
    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
    at java.lang.Thread.run(Thread.java:745)

Извлечение исходного кода

...
     // Function to create a new StreamingContext and set it up
  def setupContext(): StreamingContext = {
    ...
    // Create a StreamingContext
    val ssc = new StreamingContext(sc, Seconds(batchIntervalSeconds))

    // Create a Kinesis DStream
    val data = KinesisUtils.createStream(ssc,
      kinesisAppName, kinesisStreamName,
      kinesisEndpointUrl, RegionUtils.getRegionByEndpoint(kinesisEndpointUrl).getName(),
      InitialPositionInStream.LATEST, Seconds(kinesisCheckpointIntervalSeconds),
      StorageLevel.MEMORY_AND_DISK_SER_2, awsAccessKeyId, awsSecretKey)
...
    ssc.checkpoint(checkpointDir)

    ssc
  }


  // Get or create a streaming context.
  val ssc = StreamingContext.getActiveOrCreate(checkpointDir, setupContext)

  ssc.start()
  ssc.awaitTermination()

Проблемы надежности с Checkpointing/WAL в Spark Streaming 1.6.0