Spark写入S3存储桶，给出java.lang.NoClassDefFoundError

Question

我正在尝试将Mac上运行的Spark 2.3.0与S3集成在一起。 我可以使用spark-shell毫无问题地读/写S3。 但是，当我尝试使用通过sbt运行的Scala小程序执行相同操作时，出现java.lang.NoClassDefFoundError：org / apache / hadoop / fs / GlobalStorageStatistics $ StorageStatisticsProvider。

我已经安装了hadoop-aws 3.0.0-beta1。 我还在spark-2.3.0 / conf / spark-defaults.conf中设置了s3访问信息：

spark.hadoop.fs.s3a.impl                              org.apache.hadoop.fs.s3a.S3AFileSystem
spark.hadoop.fs.s3a.access.key                        XXXX
spark.hadoop.fs.s3a.secret.key                        YYYY
spark.hadoop.com.amazonaws.services.s3.enableV4       true
spark.hadoop.fs.s3a.endpoint                          s3.us-east-2.amazonaws.com
spark.hadoop.fs.s3a.fast.upload                       true
spark.hadoop.fs.s3a.encryption.enabled                true
spark.hadoop.fs.s3a.server-side-encryption-algorithm  AES256

该程序使用sbt版本0.13可以正常编译。

name := "S3Test"

scalaVersion := "2.11.8"

libraryDependencies += "org.apache.spark" %% "spark-core" % "2.2.0"
libraryDependencies += "org.apache.spark" %% "spark-sql" % "2.2.0"
libraryDependencies +=  "org.apache.hadoop" % "hadoop-aws" % "3.0.0-beta1"

标量代码为：

import org.apache.spark.SparkConf
import org.apache.spark.sql.SparkSession
import com.amazonaws._
import com.amazonaws.auth ._
import com.amazonaws.services.s3 ._
import com.amazonaws. services.s3.model ._
import java.io._
import org.apache.hadoop.fs.FileSystem
import org.apache.hadoop.fs.s3a.S3AFileSystem
object S3Test {
    def main(args: Array[String]) = {
        val spark = SparkSession.builder().master("local").appName("Spark AWS S3 example").getOrCreate()
        import spark.implicits._
        val df  = spark.read.text("test.txt") 
        df.take(5)
        df.write.save(<s3 bucket>)
    }
}

我已经为JAVA_HOME，HADOOP_HOME，SPARK_HOME，CLASSPATH，SPARK_DIST_CLASSPATH等设置了环境变量。但是没有什么让我越过此错误消息。

Answer 1

您不能混合使用hadoop- * JAR，它们都需要完全同步。 这意味着：剪切并替换所有hadoop 2.7工件。

FWIW，在aws支持方面，除了s3guard DDB目录服务（性能和通过dynamo DB列出）以外，Hadoop 2.8和Hadoop 3.0-beta-1之间没有显着差异，除非您需要该功能，否则Hadoop 2.8就足够了。