专栏首页机器学习与系统sbt编译Spark App的依赖问题

sbt编译Spark App的依赖问题

背景简介

Spark App(用Spark APIs编写的)需要submit到Spark Cluster运行,对于Scala编写的代码,提交之前要用sbt或者maven把以下内容:

  • 源代码
  • 依赖的jar包

全部打包成一个大的jar文件,这样代码就不会因为没有依赖无法在集群中运行。

问题

我司用Scala编写Spark streaming应用,实现读取Kafka数据,处理后存储到cassandra集群中。这里需要用到一个包spark-streaming-kafka,之前用的spark1.6.0的版本。sbt中的配置如下:

libraryDependencies ++= Seq(
 // Spark dependency
 "com.eaio.uuid" % "uuid" % "3.2",
 "org.apache.spark" %% "spark-core" % "1.6.0" % "provided",
 "org.apache.spark" %% "spark-sql" % "1.6.0" % "provided",
 "org.apache.spark" %% "spark-streaming" % "1.6.0" % "provided",
 "org.apache.spark" %% "spark-streaming-kafka" % "1.6.0",
 "com.datastax.spark" %% "spark-cassandra-connector" % "1.6.0-M2",
  // Third-party libraries
 "com.github.scopt" %% "scopt" % "3.4.0"
)

升级到Spark 2.0.0后需要更新软件包版本,于是将sbt构建配置中的依赖部分改为:

libraryDependencies ++= Seq(
 // Spark dependency
 "com.eaio.uuid" % "uuid" % "3.2",
 "org.apache.spark" %% "spark-core" % "2.0.0" % "provided",
 "org.apache.spark" %% "spark-sql" % "2.0.0" % "provided",
 "org.apache.spark" %% "spark-streaming" % "2.0.0" % "provided",
 "org.apache.spark" %% "spark-streaming-kafka" % "2.0.0",
 "com.datastax.spark" %% "spark-cassandra-connector" % "2.0.0-M2",
  // Third-party libraries
 "com.github.scopt" %% "scopt" % "3.4.0"
)

本以为这样修改后重新构建就没问题了。但是我太天真了,构建后报错,提示:

[warn]     ::::::::::::::::::::::::::::::::::::::::::::::
[warn]     ::          UNRESOLVED DEPENDENCIES         ::
[warn]     ::::::::::::::::::::::::::::::::::::::::::::::
[warn]     :: org.apache.spark#spark-streaming-kafka_2.10;2.0.0: not found
[warn]     ::::::::::::::::::::::::::::::::::::::::::::::
[warn]
[warn]     Note: Unresolved dependencies path:
[warn]         org.apache.spark:spark-streaming-kafka_2.10:2.0.0 (/home/linker/workspace/linkerwp/linkerStreaming/build.sbt#L12-23)
[warn]           +- Linker Networks Inc.:linker-streaming_2.10:0.0.1
sbt.ResolveException: unresolved dependency: org.apache.spark#spark-streaming-kafka_2.10;2.0.0: not found

说明这个包是不存在的,于是马上到maven repo上去找。常见的Maven公共repo有:

  • search.maven.org…用于搜索你的依赖包。
  • https://mvnrepository.com/…maven仓库。

进入网址输入spark-streaming-kafka搜索后数来好几和选项,前面4个结果都是不支持Spark 2.0.0的,这让我误以为Spark 2.0.0还不支持Kafka,这个想法被前面几个搜索结果误导了。因为对于2.0.0的Spark,Kafka添加了具体的版本号!spark-streaming-kafkaspark-streaming-kafka-0-8就可以找到了(实际上这个版本也在maven repo的搜索结果,因为靠后我没有去看)!!

总结

  • 对于Java/Scala的编译问题,我曾经特别抗拒,因为maven和sbt的配置文件很冗杂,没有Python的简洁明了。Python里20行的依赖文件在maven/sbt里至少200行,而且只要有一个地方没写正确就无法正确编译。
  • 现在发现要想正确编译,保证源代码没问题的情况下,就需要指定正确的依赖包和格式。这个需要到maven的仓库上去搜索,确认无误后再添加到配置文件中。
  • 要学会发散、拓展思考。当看到sbt编译失败的时候就应该根据报错信息推测出问题的原因:“依赖包版本不正确”,然后把版本指定正确就可以了。

本文分享自微信公众号 - 机器学习与系统(aimlsystem),作者:adolphlwq

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-01-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Spark 开发环境搭建

    本文是对初始接触 Spark 开发的入门介绍,说明如何搭建一个比较完整的 Spark 开发环境,如何开始应用相关工具。文中如有错误或者不当之处,敬请指正。

    syw
  • Delta Lake 学习笔记(一)

    今天 Spark + AI Summit 2019 宣布开源了 Delta Lake 这个项目,关于这个项目的背景我就不赘述了,砖厂官网有很多介绍,包括项目的 ...

    runzhliu
  • Spark Submit的ClassPath问题

    需求场景: 我们的产品需要与客户的权限系统对接,即在登录时使用客户的认证系统进行认证。集成认证的方式是调用客户提供的jar包,调用userService的aut...

    张逸
  • Spark历险记之编译和远程任务提交

    我是攻城师
  • 傻白甜,约不约?

    首先来介绍下,今天的主角“傻白甜”(SBT:Simple Build Tools), 其功能与 Maven 和 Gradle 类似。其是由 Scala 编写,对...

    麒思妙想
  • Spark的那些外部框架

    要使用Spark库,你首先必须了解的东西是Spark package。它有点像Spark的包管理器。当你给Spark集群提交job时,你可以到存放Spark p...

    博文视点Broadview
  • win10 spark+scala+eclipse+sbt 安装配置

    转载请务必注明原创地址为:http://dongkelun.com/2018/03/15/winSparkConf/

    董可伦
  • 使用SBT正确构建IndexedRDD环境

    IndexedRDD由AMPLab的Ankur Dave提出,它是Immutability和Fine-Grained updates的精妙结合。IndexedR...

    ZONGLYN
  • Spark 2.0.0正式版编译及问题分析

    从上次编译了技术预览版2.0.1之后,官网终于放出了正式版本的2.0.0版本。 Spark Release 2.0.0(见http://spark.apach...

    sparkexpert
  • spark-submit报错: java.sql.SQLException:No suitable driver

    转载请务必注明原创地址为:http://dongkelun.com/2018/05/06/sparkSubmitException/

    董可伦
  • Spark踩坑记:初试

    Apache Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。本系列文将通过初试、Hbase+Mysql 、Spark Streaming+ka...

    肖力涛
  • geotrellis使用(六)Scala并发(并行)编程

          本文主要讲解Scala的并发(并行)编程,那么为什么题目概称geotrellis使用(六)呢,主要因为本系列讲解如何使用Geotrellis,具体前...

    魏守峰
  • 【问底】许鹏:使用Spark+Cassandra打造高性能数据分析平台(一)

    【导读】笔者(许鹏)看Spark源码的时间不长,记笔记的初衷只是为了不至于日后遗忘。在源码阅读的过程中秉持着一种非常简单的思维模式,就是努力去寻找一条贯穿全局的...

    CSDN技术头条
  • 大数据常见错误解决方案 转

    stys35
  • Spark SQL+Hive历险记

    我是攻城师
  • 【腾讯云的1001种玩法】Ubuntu 14.04 Spark单机环境搭建与初步学习

    最近毕设需要学习Spark操作,预先学习了一波。也撰写个文章供各位讨论分享。安装与配置大数据这个领域是热火朝天,而Apache Spark则是一个炙手可热大数据...

    ZNing
  • 《从0到1学习spark》-- spark初体验

    https://pan.baidu.com/s/1M7KJVH89h6bVMJVpai1s8A 密码:vdp5

    程序员小强
  • Spark Streaming连接Kafka入门教程

    转载请务必注明原创地址为:https://dongkelun.com/2018/05/17/sparkKafka/

    董可伦
  • Apache Spark 2.2.0 中文文档 - 快速入门 | ApacheCN

    快速入门 使用 Spark Shell 进行交互式分析 基础 Dataset 上的更多操作 缓存 独立的应用 快速跳转 本教程提供了如何使用...

    片刻

扫码关注云+社区

领取腾讯云代金券