geotrellis使用（二十四）将Geotrellis移植到CDH中必须要填的若干个坑

目录

1. 前言
2. 若干坑
3. 总结

一、前言

       近期干了一件事情，将geotrellis程序移植到CDH中（关于CDH，可以参考安装ClouderaManager以及使用ClouderaManager安装分布式集群的若干细节），本以为这是件很简单的事情，没想到跟安装CDH一样却碰到了许多的坑，很多事情真的就是这样，我们不去亲自实践觉得都是简单的，当我们真正甩开膀子去干的时候却发现会遇到各种各样的问题，但是当我们将这些一个个解决的时候，你收获的将不仅是美好的结果，更是很多通过学习无法得到的东西，这应该就是古人所谓的纸上得来终觉浅。鸡汤不多喝，直接进入正题。

二、若干坑

2.1 spark-submit部署模式

       CDH中的spark完全采用yarn的模式部署，即将任务调度等提交到yarn，完全由yarn来控制程序的运行。目前还没发现这方面有什么问题，主要就是如果之前采用local模式或者其他模式此处可能稍有不同，需要注意。

2.2 akka与spray

       这是我碰到的第一个问题，当运行service主程序的时候立马会报如下错误：

java.lang.AbstractMethodError: com.sjzx.spray.can.HttpManager.akka$actor$ActorLogging$_setter_$log_$eq(Lakka/event/LoggingAdapter;)V
	at akka.actor.ActorLogging$class.$init$(Actor.scala:335)
	at com.sjzx.spray.can.HttpManager.<init>(HttpManager.scala:29)
	at com.sjzx.spray.can.HttpExt$$anonfun$1.apply(Http.scala:153)
	at com.sjzx.spray.can.HttpExt$$anonfun$1.apply(Http.scala:153)
	at akka.actor.TypedCreatorFunctionConsumer.produce(Props.scala:401)
	at akka.actor.Props.newActor(Props.scala:339)
	at akka.actor.ActorCell.newActor(ActorCell.scala:534)
	at akka.actor.ActorCell.create(ActorCell.scala:560)
	at akka.actor.ActorCell.invokeAll$1(ActorCell.scala:425)
	at akka.actor.ActorCell.systemInvoke(ActorCell.scala:447)
	at akka.dispatch.Mailbox.processAllSystemMessages(Mailbox.scala:262)
	at akka.dispatch.Mailbox.run(Mailbox.scala:218)
	at akka.dispatch.ForkJoinExecutorConfigurator$AkkaForkJoinTask.exec(AbstractDispatcher.scala:386)
	at scala.concurrent.forkjoin.ForkJoinTask.doExec(ForkJoinTask.java:260)
	at scala.concurrent.forkjoin.ForkJoinPool$WorkQueue.runTask(ForkJoinPool.java:1339)
	at scala.concurrent.forkjoin.ForkJoinPool.runWorker(ForkJoinPool.java:1979)
	at scala.concurrent.forkjoin.ForkJoinWorkerThread.run(ForkJoinWorkerThread.java:107)

       上来就让人蒙圈，毫无头绪，根本不知道什么问题，经过苦苦探索以及Google等，才明白过来是spray和akka的版本问题，然后试验了各种办法，最终通过降低版本的方式勉强解决了这个问题，有人说通过ShadeRule的方式也可以，但是我没能成功，如果有人通过这种方式成功解决这个问题，欢迎指教。降低版本后的sbt依赖如下：

"io.spray"  %  "spray-routing"    % "1.2.3",
"io.spray"  %  "spray-can"        % "1.2.3",

       造成这个问题的原因应该是spray与cloudera运行时classpath中的某个库冲突了，通过以上方式应该能解决这个问题，解决了这个问题后就可以正常发起WEB服务运行我们的APP。

2.3 guava

       geotrellis毕竟是一个大数据（主要是栅格）处理的工具，那么当然少不了数据，所以APP运行起来之后，开始导数据，然后就又蒙圈了，又会报一个方法找不到的错误。导数据的时候由于参数采用了json文件进行配置，所以geotrellis会进行json校验，就是这个时候出问题了，geotrellis采用了google开源的工具库com.google.guava，就是这个库由冲突了造成的，这个倒是可以用ShadeRule的方式解决，只需要在build.sbtz文件中添加如下代码：

assemblyShadeRules in assembly := {
  Seq(
    ShadeRule.rename("com.google.common.**" -> "my.google.common.@1")
      .inLibrary(
        "com.azavea.geotrellis" %% "geotrellis-cassandra" % gtVersion,
        "com.github.fge" % "json-schema-validator" % "2.2.6"
      ).inAll
}

2.4 spark-core、hadoop-client

       CDH毕竟是采用修改后的HADOOP以及SPARK，所以为了安全起见，需要将原始的库替换成CDH对应版本，具体为将二者的依赖改成如下方式：

resolvers += "cloudera" at "https://repository.cloudera.com/artifactory/cloudera-repos"
val sparkV = "1.6.0-cdh5.8.0"
"org.apache.spark"  %%  "spark-core"  % sparkV % "provided"
"org.apache.hadoop"  % "hadoop-client" % "2.7.1" % "provided"

       通过以上方式可以加载CDH版本的HADOOP以及SPARK，并且添加"provided"可以使得我们的APP直接调用CDH提供的对应版本。

2.5 hdfs权限

       这也是一个大坑，当解决了上面的问题之后满心欢喜以为就能进行数据处理了，谁知道程序死活就是不往下走，而且不报任何错误（不知道是不是我设置的有问题，当然刚开始也没看CDH运行的日志文件，不然应该也较快的解决了，日志文件在/var/log/accumulo中），反复检查Accumulo配置等等，均没有问题，最后使出了一个大招，程序加了个try catch，果然出现问题了，一看就是hdfs权限的问题。首先我装cloudera的时候选择的是多用户模式，我猜测出现权限问题可能也跟多用户有关系。反复实验了各种方式都没能解决问题，最终我解决权限问题的方式是将hdfs的umask设置为0000，这样使得一个用户创建的文件以及文件夹可以被其他用户操作，通过这种方式解决了问题，最终顺利将数据导入到Accumulo种。

三、总结

       本文为大家介绍了我在将geotrellis程序部署到CDH中遇到的几个问题及解决方案，看似简单的几句话的事情，其实足足折腾了好几天。而且每个人由于实际配置版本等不同，在部署的过程中可能会遇到这些问题，也可能会遇到新的问题。总之，只要你能够自己折腾那么一番不管结果如何，一定会在过程中学到很多东西。

Geotrellis系列文章链接地址http://www.cnblogs.com/shoufengwei/p/5619419.html