在google dataproc集群实例中的spark-submit上运行app jar文件
我正在运行一个.jar文件,其中包含我需要打包的所有依赖项。 其中一个依赖项是com.google.common.util.concurrent.RateLimiter
并且已经检查过它的类文件位于此.jar文件中。
不幸的是,当我在google的dataproc-cluster实例的主节点上点击命令spark-submit时,我收到此错误:
Exception in thread "main" java.lang.NoSuchMethodError: com.google.common.base.Stopwatch.createStarted()Lcom/google/common/base/Stopwatch; at com.google.common.util.concurrent.RateLimiter$SleepingStopwatch$1.(RateLimiter.java:417) at com.google.common.util.concurrent.RateLimiter$SleepingStopwatch.createFromSystemTimer(RateLimiter.java:416) at com.google.common.util.concurrent.RateLimiter.create(RateLimiter.java:130) at LabeledAddressDatasetBuilder.publishLabeledAddressesFromBlockstem(LabeledAddressDatasetBuilder.java:60) at LabeledAddressDatasetBuilder.main(LabeledAddressDatasetBuilder.java:144) at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method) at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62) at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43) at java.lang.reflect.Method.invoke(Method.java:497) at org.apache.spark.deploy.SparkSubmit$.org$apache$spark$deploy$SparkSubmit$$runMain(SparkSubmit.scala:672) at org.apache.spark.deploy.SparkSubmit$.doRunMain$1(SparkSubmit.scala:180) at org.apache.spark.deploy.SparkSubmit$.submit(SparkSubmit.scala:205) at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:120) at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)
在覆盖我的依赖关系的意义上似乎发生了一些事情。 已经从这个.jar反编译了Stopwatch.class
文件并检查了那个方法。 这恰好发生在我运行google dataproc实例时。 我在执行spark-submit
的过程中做了grep
,我得到了像这样的标志-cp
:
/usr/lib/jvm/java-8-openjdk-amd64/bin/java -cp /usr/lib/spark/conf/:/usr/lib/spark/lib/spark-assembly-1.5.0-hadoop2.7.1.jar:/usr/lib/spark/lib/datanucleus-api-jdo-3.2.6.jar:/usr/lib/spark/lib/datanucleus-rdbms-3.2.9.jar:/usr/lib/spark/lib/datanucleus-core-3.2.10.jar:/etc/hadoop/conf/:/etc/hadoop/conf/:/usr/lib/hadoop/lib/native/:/usr/lib/hadoop/lib/*:/usr/lib/hadoop/*:/usr/lib/hadoop-hdfs/lib/*:/usr/lib/hadoop-hdfs/*:/usr/lib/hadoop-mapreduce/lib/*:/usr/lib/hadoop-mapreduce/*:/usr/lib/hadoop-yarn/lib/*:/usr/lib/hadoop-yarn/*
有什么办法可以解决这个问题吗?
谢谢。
正如您所发现的,Dataproc在调用Spark时会在类路径中包含Hadoop依赖项。 这主要是为了使用Hadoop输入格式,文件系统等非常简单。 缺点是你最终会得到Hadoop的番石榴版本,即11.02(见HADOOP-10101 )。
如何解决这个问题取决于您的构建系统。 如果使用Maven,maven-shade插件可用于在新的包名下重新定位您的番石榴版本。 在GCS Hadoop Connector的包装中可以看到这方面的一个例子,但它的关键是你的pom.xml构建部分中的以下插件声明:
org.apache.maven.plugins maven-shade-plugin 2.3 package shade com.google.common your.repackaged.deps.com.google.common
类似的重定位可以使用sbt的sbt-assembly插件,用于ant的jarjar,以及用于gradle的jarjar或shadow。