最近在研究基于内存处理技术，其中就有比较出名的Apache Ignite的项目。应用场景是，通过Spark/Java等工具处理Parquet文件，但是直接通过Java API处理Parquet文件的性能较差，主要原因在于不能实现并行化处理。

Ignite特性

  Ignite的应用场景比较多，主要用在数据库缓存方便。当然，集合Ignite也可以结合Spark共享RDD用作缓存处理。

  更多关于 Ignite的介绍，可以查看官方文档V1.7。如果对实际操作比较感兴趣，可以查看Ignite在Github上的实例代码。

安装Ignite

  版主使用四节点实现分布式Ignite的安装，由于 Ignite具有自动发现机制，因此即使不进行配置，在同一局域网中也可以实现多个Server的分布式配置。

配置环境

1. CDH5.8.0；
2. JDK1.8.0；
3. Spark1.6。

配置代码

  同一般Spark集群不同的地方在于，Ignite安装在Yarn节点上，且配置Yarn节点与Spark Geteway环境变量，在/XXX/conf.cloudera.spark_on_yarn2/spark-env.sh文件中添加：

# Optionally set IGNITE_HOME here.
# IGNITE_HOME=/path/to/ignite
IGNITE_LIBS="\${IGNITE_HOME}/libs/*"
for file in \${IGNITE_HOME}/libs/*
do
if [ -d \${file} ] && [ "\${file}"!="\${IGNITE_HOME}"/libs/optional ]; then
 IGNITE_LIBS=\${IGNITE_LIBS}:\${file}/*
fi
done
export SPARK_DIST_CLASSPATH=$IGNITE_LIBS

这里与官方文档中唯一的区别在于，官方文档中使用的CLASSPATH为SPARK_CLASSPATH，这里使用的CLASSPATH为SPARK_DIST_CLASSPATH。

测试Ignite

使用简单测试代码(spark-shell)：

import org.apache.ignite.configuration._
import org.apache.ignite.spark._

// 使用default-config下面的配置
val igniteContext = new IgniteContext(sc, () => new IgniteConfiguration())
// val igniteContext = new IgniteContext(sc, "config/default-config.xml")
val cache = igniteContext.fromCache[Integer,Integer]("partitioned")
println("Name: "+cache.cacheName+"\tCount: "+cache.count())
    
cache.savePairs(sc.parallelize(1 to 10000, 10).map( item => (item, item)))
println("Name: "+cache.cacheName+"\tCount: "+cache.count())

报错信息：

java.lang.NoClassDefFoundError: javax/cache/configuration/MutableConfiguration

  这个类主要是在cache-api中，在Ignite的libs里面有，将给Jar包的路径包含在Jars的路径中即可。另外一种，可能的解决方案为：Ignite Installation with Spark under CDH。

ClassNoDefMethodError: org.apache.ignite.configuration.IgniteConfiguration

  缺少Jar包：将要Ignite下面的Ignite-core包含在Jars里面，或者配置路径。

  另，Ignite-Spark这个Jar包不回在Ignite_Home/libs下面，所以需要手动下载到相应的路径下面，最好的办法就是将libs下面所有的Jar包放在spark_home/jars下面。

org.apache.ignite.IgniteCheckedException: Work directory does not exist and cannot be created