Java调用Python Spark卡死？Runtime.getRuntime().exec()阻塞终极解决方案！

java调用python代码卡住问题分析与解决

在使用java调用python代码的过程中，经常会遇到一些棘手的问题，例如程序卡住无法继续执行。本文将针对一个具体的案例进行分析，并提供相应的解决方案。

问题描述：开发者使用java的runtime.getruntime().exec()方法执行python脚本，python脚本利用spark进行数据处理。在java端，通过process对象获取python脚本的输出，但在python脚本执行到sorted_word_count.take(20)这一行之后，java端程序便卡住，无法继续执行。

python脚本代码如下：

spark = sparksession.builder.appname("read from java backend").master("local[*]").getorcreate();

# 获取传递的参数
comment = sys.argv[1]

# 将json字符串转换为python对象
comment = json.loads(comment)

# 将 comment 列表转换为 rdd
comment_rdd = spark.sparkcontext.parallelize(comment)

# 将 rdd 转换为 dataframe
df = spark.createdataframe(comment_rdd.map(lambda x: row(**x)))

# 加载停用词库
stop_words = spark.sparkcontext.textfile("c:/users/10421/downloads/baidu_stopwords.txt").collect()

# ... (此处省略部分代码) ...

# 计算每个单词的出现次数
word_count = df.rdd.map(lambda x: (x.word, 1)).reducebykey(lambda x, y: x + y)
sorted_word_count = word_count.sortby(lambda x: x[1], ascending=false)
top_20_words = sorted_word_count.take(20)
column = 0
for row in top_20_words:
    print(row[column])

java代码片段如下：

process process = runtime.getruntime().exec(args1);

// 获取程序执行结果
inputstream inputstream = process.getinputstream();
bufferedreader reader = new bufferedreader(new inputstreamreader(inputstream,"gb2312"));
// ... (此处省略部分代码) ...

问题分析：经测试发现，java程序卡住的原因在于python脚本中sorted_word_count.take(20)这部分代码的执行。 这部分代码会阻塞，直到spark处理完成并返回结果。由于process.getinputstream()是阻塞的，如果python程序的输出没有及时输出到标准输出流，java程序就会一直等待，导致卡住。

解决方案：问题很可能出在字符编码上。 原始代码使用gb2312编码读取python的输出，这可能与python脚本的输出编码不一致，导致数据读取阻塞。 修改java代码，使用utf-8编码读取python的输出，可以解决此问题。

修改后的java代码：

BufferedReader reader = new BufferedReader(new InputStreamReader(inputStream, "UTF-8"));
BufferedReader reader2 = new BufferedReader(new InputStreamReader(errorStream, "UTF-8"));

通过将java代码中读取输入流和错误流的编码修改为utf-8，可以解决java程序卡住的问题。 需要注意的是，python脚本也需要确保其输出使用utf-8编码。 如果问题仍然存在，则需要进一步检查spark作业的执行效率以及python脚本中是否存在其他潜在的阻塞操作。