Spark MLlib示例，NoSuchMethodError：org.apache.spark.sql.SQLContext.createDataFrame（）

Question

我正在跟踪文档示例， 例如：Estimator，Transformer和Param

我收到错误信息

15/09/23 11:46:51信息BlockManagerMaster：“主”线程中注册的BlockManager异常java.lang.NoSuchMethodError：scala.reflect.api.JavaUniverse.runtimeMirror（Ljava / lang / ClassLoader;）Lscala / reflect / api / JavaUniverse $ JavaMirror; 在SimpleApp $ .main（hw.scala：75）

第75行是代码“ sqlContext.createDataFrame（）”：

import java.util.Random

import org.apache.log4j.Logger
import org.apache.log4j.Level

import scala.io.Source

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.rdd._


import org.apache.spark.ml.classification.LogisticRegression
import org.apache.spark.ml.param.ParamMap
import org.apache.spark.mllib.linalg.{Vector, Vectors}
import org.apache.spark.mllib.recommendation.{ALS, Rating, MatrixFactorizationModel}
import org.apache.spark.sql.Row
import org.apache.spark.sql.SQLContext
import org.apache.spark.sql.DataFrame
import org.apache.spark.sql.functions._

object SimpleApp {
     def main(args: Array[String]) {
       val conf = new SparkConf().setAppName("Simple Application").setMaster("local[4]");
       val sc = new SparkContext(conf)
       val sqlContext = new SQLContext(sc)
       val training = sqlContext.createDataFrame(Seq(
         (1.0, Vectors.dense(0.0, 1.1, 0.1)),
         (0.0, Vectors.dense(2.0, 1.0, -1.0)),
         (0.0, Vectors.dense(2.0, 1.3, 1.0)),
         (1.0, Vectors.dense(0.0, 1.2, -0.5))
       )).toDF("label", "features")
    }
}

我的sbt如下所示：

lazy val root = (project in file(".")).
  settings(
    name := "hello",
    version := "1.0",
    scalaVersion := "2.11.4"
  )

libraryDependencies ++= {
    Seq(
        "org.apache.spark" %% "spark-core" % "1.4.1" % "provided",
        "org.apache.spark" %% "spark-sql" % "1.4.1" % "provided",
        "org.apache.spark" % "spark-hive_2.11" % "1.4.1",
        "org.apache.spark"  % "spark-mllib_2.11" % "1.4.1" % "provided",
        "org.apache.spark" %% "spark-streaming" % "1.4.1" % "provided",
        "org.apache.spark" %% "spark-streaming-kinesis-asl" % "1.4.1" % "provided"
    )
}

我试图四处搜索，发现这篇文章与我的问题非常相似，并且我尝试将我的sbt设置更改为spark版本（将spark-mllib_2.11更改为2.10，将spark-1.4.1更改为1.5.0），但是它带来了更多的依赖冲突。

我的直觉是这是某个版本问题，但我自己无法解决，有人可以帮忙吗？ 非常感谢。

Answer 1

它现在对我有用，仅作记录用途，引用@MartinSenne答案。

我所做的如下：

1. 清除文件夹“项目”下的所有编译文件
2. Scala版本2.10.4 （以前使用2.11.4）
3. 将spark-sql更改为：“ org.apache.spark” %%“ spark-sql”％“ 1.4.1”％“提供”
4. 更改MLlib为： “ org.apache.spark” %%“ spark-mllib”％“ 1.4.1”％“提供”

@注意：

1. 我已经启动了Spark集群，并使用“ sh spark-submit /path_to_folder/hello/target/scala-2.10/hello_2.10-1.0.jar ”将jar提交给Spark主服务器。 如果使用sbt通过命令“ sbt run ” 运行将失败。
2. 从scala-2.11更改为scala-2.10时，请记住jar文件的路径和名称也将从“ scala-2.11 / hello_2.11-1.0.jar ”更改为“ scala-2.10 / hello_2.10-1.0.jar ” 。 当我重新打包所有内容时，我忘记更改jar名称的Submit job命令，因此我将其打包为“ hello_2.10-1.0.jar”，但提交了“ hello_2.10-1.0.jar”，这给我带来了额外的问题。 ..
3. 我尝试了“ val sqlContext = new org.apache.spark.sql.SQLContext（sc） ”和“ val sqlContext = new org.apache.spark.sql.hive.HiveContext（sc） ”，两者都使用方法createDataFrame（ ）