spark 在yarn执行job时一直抱0.0.0.0:8030错误

近日新写完的spark任务放到yarn上面执行时，在yarn的slave节点中一直看到报错日志:连接不到0.0.0.0:8030 。

 The logs are as below:
 2014-08-11 20:10:59,795 INFO [main] org.apache.hadoop.yarn.client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8030
 2014-08-11 20:11:01,838 INFO [main] org.apache.hadoop.ipc.Client: Retrying connect to server: 0.0.0.0/0.0.0.0:8030. Already tried 0 time(s); retry policy is RetryUpToMaximumCountWithFixedSleep(maxRetries=10, sleepTime=1 SECONDS)

这就很奇怪了，因为slave执行任务时应该链接的是master节点的8030端口，正常情况下应该为 masterIP:8030.

按照常规思路，首先检查配置文件：yarn-site.xml 。查看里面配置的yarn.resourcemanager.scheduler.address 是否为master。

<property>
     <name>yarn.resourcemanager.hostname</name>
     <value>master1</value>
</property>

<property>
     <name>yarn.resourcemanager.scheduler.address</name>
     <value>master1:8030</value>
</property>

这一项排查过后，重启cluser，故障依旧。

继续排查，查看环境变量，看是否slave启动时是否没有加载yarn-site.xml。env|grep YARN 直接查看所有YARN的环境变量，其中可以看到YARN_CONF_DIR = HADOOP_CONF_DIR ，并且指向了正确的目录路径。

那么就很奇怪了，继续排查。如果环境方面都没有问题，写一下 hard coding.在代码里面直接写死：

 Configuration conf = new Configuration();
 conf.set("fs.default.name",hdfsUri);
 conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.DistributedFileSystem");
 conf.set("mapreduce.framework.name", "yarn");
 conf.set("fs.AbstractFileSystem.hdfs.impl", "org.apache.hadoop.fs.Hdfs");
 conf.set("yarn.resourcemanager.address", yarnip+":"+8030); //设置RM 访问位置  

重新执行job，仍然报错。这下就有点晕菜了，冷静一下，目前已经排查的有：

1、配置文件:master、slave的yarn-site.xml 都正常无问题。

2、环境变量：master、slave的环境变量都正常无问题。

3、hard-coding，也无效果。

难道是框架本省的问题？

在spark根目录检索0.0.0.0，发现在spark依赖的一个包里面还真有一个匹配的：

spark-core-assembly-0.4-SNAPSHOT.jar

打开这个jar包，里面有一个yarn-default.xml 。这里面配置的是0.0.0.0. 按道理来说配置文件优先级应该是大于jar的。

改了试一下！

把0.0.0.0改成master的IP，重新打包上传，执行job。

Oh my god！

成功了！

看看时间，为了这个问题已经搞了大半个夜了。算了，先睡觉。具体问题留待周一检查。

但初步认为：应该是yarn的client再执行job时，会取一个masterIP 值，如果取不到，则默认取yarn-defalut中的值。所以关键就是找到从哪里取值。这个问题看看源码应该不是大问题。

OK，睡觉去！