[英]Why does Spark application fail with “ClassNotFoundException: Failed to find data source: kafka” as uber-jar with sbt assembly?
[英]Why does Spark application fail with “ClassNotFoundException: Failed to find data source: jdbc” as uber-jar with sbt assembly?
我正在尝试使用sbt 1.0.4和sbt-assembly 0.14.6组装Spark应用程序。
在IntelliJ IDEA或spark-submit
启动Spark应用程序时工作正常,但如果我使用命令行(Windows 10中的cmd)运行组装的uber-jar:
java -Xmx1024m -jar my-app.jar
我得到以下异常:
线程“main”中的异常java.lang.ClassNotFoundException:无法找到数据源:jdbc。 请在http://spark.apache.org/third-party-projects.html查找软件包
Spark应用程序如下所示。
package spark.main
import java.util.Properties
import org.apache.spark.sql.SparkSession
object Main {
def main(args: Array[String]) {
val connectionProperties = new Properties()
connectionProperties.put("user","postgres")
connectionProperties.put("password","postgres")
connectionProperties.put("driver", "org.postgresql.Driver")
val testTable = "test_tbl"
val spark = SparkSession.builder()
.appName("Postgres Test")
.master("local[*]")
.config("spark.hadoop.fs.file.impl", classOf[org.apache.hadoop.fs.LocalFileSystem].getName)
.config("spark.sql.warehouse.dir", System.getProperty("java.io.tmpdir") + "swd")
.getOrCreate()
val dfPg = spark.sqlContext.read.
jdbc("jdbc:postgresql://localhost/testdb",testTable,connectionProperties)
dfPg.show()
}
}
以下是build.sbt
。
name := "apache-spark-scala"
version := "0.1-SNAPSHOT"
scalaVersion := "2.11.8"
mainClass in Compile := Some("spark.main.Main")
libraryDependencies ++= {
val sparkVer = "2.1.1"
val postgreVer = "42.0.0"
val cassandraConVer = "2.0.2"
val configVer = "1.3.1"
val logbackVer = "1.7.25"
val loggingVer = "3.7.2"
val commonsCodecVer = "1.10"
Seq(
"org.apache.spark" %% "spark-sql" % sparkVer,
"org.apache.spark" %% "spark-core" % sparkVer,
"com.datastax.spark" %% "spark-cassandra-connector" % cassandraConVer,
"org.postgresql" % "postgresql" % postgreVer,
"com.typesafe" % "config" % configVer,
"commons-codec" % "commons-codec" % commonsCodecVer,
"com.typesafe.scala-logging" %% "scala-logging" % loggingVer,
"org.slf4j" % "slf4j-api" % logbackVer
)
}
dependencyOverrides ++= Seq(
"io.netty" % "netty-all" % "4.0.42.Final",
"commons-net" % "commons-net" % "2.2",
"com.google.guava" % "guava" % "14.0.1"
)
assemblyMergeStrategy in assembly := {
case PathList("META-INF", xs @ _*) => MergeStrategy.discard
case x => MergeStrategy.first
}
有谁有任何想法,为什么?
[UPDATE]
从正式的GitHub存储库中获取的配置就可以了:
assemblyMergeStrategy in assembly := {
case PathList("META-INF", xs @ _*) =>
xs map {_.toLowerCase} match {
case ("manifest.mf" :: Nil) | ("index.list" :: Nil) | ("dependencies" :: Nil) =>
MergeStrategy.discard
case ps @ (x :: xs) if ps.last.endsWith(".sf") || ps.last.endsWith(".dsa") =>
MergeStrategy.discard
case "services" :: _ => MergeStrategy.filterDistinctLines
case _ => MergeStrategy.first
}
case _ => MergeStrategy.first
}
问题是几乎为什么格式(“kafka”)失败并且“找不到数据源:kafka”。 与优步罐? 与其他OP使用Apache Maven创建超级jar的差异,这里是关于sbt( sbt-assembly插件的配置准确)。
数据源的短名称(也称为别名 ),例如jdbc
或kafka
,仅在相应的META-INF/services/org.apache.spark.sql.sources.DataSourceRegister
注册DataSourceRegister
可用。
对于工作的jdbc
别名,Spark SQL使用带有以下条目的META-INF / services / org.apache.spark.sql.sources.DataSourceRegister (还有其他条目):
org.apache.spark.sql.execution.datasources.jdbc.JdbcRelationProvider
这就是将jdbc
别名与数据源联系起来的原因。
你已经通过以下assemblyMergeStrategy
将它从超级罐中排除了。
assemblyMergeStrategy in assembly := {
case PathList("META-INF", xs @ _*) => MergeStrategy.discard
case x => MergeStrategy.first
}
注意case PathList("META-INF", xs @ _*)
,你只需要MergeStrategy.discard
。 这是根本原因。
只是为了检查“基础结构”是否可用,您可以通过其完全限定名称(而不是别名)使用jdbc
数据源,请尝试以下操作:
spark.read.
format("org.apache.spark.sql.execution.datasources.jdbc.JdbcRelationProvider").
load("jdbc:postgresql://localhost/testdb")
你会看到由于缺少url
等选项而导致的其他问题,但是...... 我们正在离题 。
一个解决方案是MergeStrategy.concat
所有META-INF/services/org.apache.spark.sql.sources.DataSourceRegister
(它将创建一个包含所有数据源的超级jar,包括jdbc
数据源)。
case "META-INF/services/org.apache.spark.sql.sources.DataSourceRegister" => MergeStrategy.concat
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.