1-Проблема
У меня есть программа Spark , в которой используется Kryo , но не как часть Механика искры .В частности, я использую Spark Structured Streaming , подключенный к Kafka .
Я читаю двоичные значения, полученные от Kafka, и самостоятельно декодирую их.
При попытке десериализации данных с помощью Kryo я столкнулся с исключением.Однако эта проблема возникает, только когда я упаковываю свою программу и запускаю ее на Spark Standalone Cluster .То есть, это не происходит, когда я запускаю его, в пределах intellij, т.е. как в Spark Local Mode (dev mode) .
Исключение, которое я получаю, выглядит следующим образом:
Причина: com.esotericsoftware.kryo.KryoException: Невозможно найти класс: com.elsevier.entellect.commons.package $RawData
Обратите внимание, что RawData - это мой собственный класс case, расположенный в одном из подпроектов моей многопроектной сборки.
Чтобы понять контекст, пожалуйста, найдите более подробную информацию ниже:
2-build.sbt:
lazy val commonSettings = Seq(
organization := "com.elsevier.entellect",
version := "0.1.0-SNAPSHOT",
scalaVersion := "2.11.12",
resolvers += Resolver.mavenLocal,
updateOptions := updateOptions.value.withLatestSnapshots(false)
)
lazy val entellectextractors = (project in file("."))
.settings(commonSettings).aggregate(entellectextractorscommon, entellectextractorsfetchers, entellectextractorsmappers, entellectextractorsconsumers)
lazy val entellectextractorscommon = project
.settings(
commonSettings,
libraryDependencies ++= Seq(
"com.esotericsoftware" % "kryo" % "5.0.0-RC1",
"com.github.romix.akka" %% "akka-kryo-serialization" % "0.5.0" excludeAll(excludeJpountz),
"org.apache.kafka" % "kafka-clients" % "1.0.1",
"com.typesafe.akka" %% "akka-stream" % "2.5.16",
"com.typesafe.akka" %% "akka-http-spray-json" % "10.1.4",
"com.typesafe.akka" % "akka-slf4j_2.11" % "2.5.16",
"ch.qos.logback" % "logback-classic" % "1.2.3"
)
)
lazy val entellectextractorsfetchers = project
.settings(
commonSettings,
libraryDependencies ++= Seq(
"com.typesafe.akka" %% "akka-stream-kafka" % "0.22",
"com.typesafe.slick" %% "slick" % "3.2.3",
"com.typesafe.slick" %% "slick-hikaricp" % "3.2.3",
"com.lightbend.akka" %% "akka-stream-alpakka-slick" % "0.20")
)
.dependsOn(entellectextractorscommon)
lazy val entellectextractorsconsumers = project
.settings(
commonSettings,
libraryDependencies ++= Seq(
"com.typesafe.akka" %% "akka-stream-kafka" % "0.22")
)
.dependsOn(entellectextractorscommon)
lazy val entellectextractorsmappers = project
.settings(
commonSettings,
mainClass in assembly := Some("entellect.extractors.mappers.NormalizedDataMapper"),
assemblyMergeStrategy in assembly := {
case PathList("META-INF", "services", "org.apache.spark.sql.sources.DataSourceRegister") => MergeStrategy.concat
case PathList("META-INF", xs @ _*) => MergeStrategy.discard
case x => MergeStrategy.first},
dependencyOverrides += "com.fasterxml.jackson.core" % "jackson-core" % "2.9.5",
dependencyOverrides += "com.fasterxml.jackson.core" % "jackson-databind" % "2.9.5",
dependencyOverrides += "com.fasterxml.jackson.module" % "jackson-module-scala_2.11" % "2.9.5",
dependencyOverrides += "org.apache.jena" % "apache-jena" % "3.8.0",
libraryDependencies ++= Seq(
"org.apache.jena" % "apache-jena" % "3.8.0",
"edu.isi" % "karma-offline" % "0.0.1-SNAPSHOT",
"org.apache.spark" % "spark-core_2.11" % "2.3.1" % "provided",
"org.apache.spark" % "spark-sql_2.11" % "2.3.1" % "provided",
"org.apache.spark" %% "spark-sql-kafka-0-10" % "2.3.1"
//"com.datastax.cassandra" % "cassandra-driver-core" % "3.5.1"
))
.dependsOn(entellectextractorscommon)
lazy val excludeJpountz = ExclusionRule(organization = "net.jpountz.lz4", name = "lz4")
Подпроект, содержащий искрукод entellectextractorsmappers.Подпроект, который содержит класс дела RawData , который не может быть найден, является entellectextractorscommon.entellectextractorsmappers явно зависит от entellectextractorscommon.
3- Разница между тем, когда я отправляю в локальный автономный кластер, и когда я запускаю в режиме локальной разработки:
Когда я отправляю в кластер, моя искровая зависимость выглядит следующим образом:
"org.apache.spark" % "spark-core_2.11" % "2.3.1" % "provided",
"org.apache.spark" % "spark-sql_2.11" % "2.3.1" % "provided",
Когда я работаю в локальном режиме разработки (без сценария отправки), они превращаются как таковые
"org.apache.spark" % "spark-core_2.11" % "2.3.1",
"org.apache.spark" % "spark-sql_2.11" % "2.3.1",
То естьв локальном dev мне нужно иметь зависимости, а при отправке в кластер в автономном режиме они уже находятся в кластере, поэтому я поставил их как есть.
4-Как отправить :
spark-submit --class entellect.extractors.mappers.DeNormalizedDataMapper --name DeNormalizedDataMapper --master spark://MaatPro.local:7077 --deploy-mode cluster --executor-memory 14G --num-executors 1 --conf spark.sql.shuffle.partitions=7 "/Users/maatari/IdeaProjects/EntellectExtractors/entellectextractorsmappers/target/scala-2.11/entellectextractorsmappers-assembly-0.1.0-SNAPSHOT.jar"
5-Как использовать Kryo :
5.1-Декларация и регистрация
В проекте entellectextractorscommon у меня есть объект пакета со следующим:
package object commons {
case class RawData(modelName: String,
modelFile: String,
sourceType: String,
deNormalizedVal: String,
normalVal: Map[String, String])
object KryoContext {
lazy val kryoPool = new Pool[Kryo](true, false, 16) {
protected def create(): Kryo = {
val kryo = new Kryo()
kryo.setRegistrationRequired(false)
kryo.addDefaultSerializer(classOf[scala.collection.Map[_,_]], classOf[ScalaImmutableAbstractMapSerializer])
kryo.addDefaultSerializer(classOf[scala.collection.generic.MapFactory[scala.collection.Map]], classOf[ScalaImmutableAbstractMapSerializer])
kryo.addDefaultSerializer(classOf[RawData], classOf[ScalaProductSerializer])
kryo
}
}
lazy val outputPool = new Pool[Output](true, false, 16) {
protected def create: Output = new Output(4096)
}
lazy val inputPool = new Pool[Input](true, false, 16) {
protected def create: Input = new Input(4096)
}
}
object ExecutionContext {
implicit lazy val system = ActorSystem()
implicit lazy val mat = ActorMaterializer()
implicit lazy val ec = system.dispatcher
}
}
5.2-Использование
В entellectextractorsmappers (где программа spark) я работаю с mapMartition .В нем у меня есть метод для декодирования Данных, поступающих из kafka, который использует Kryo как таковой:
def decodeData(rowOfBinaryList: List[Row], kryoPool: Pool[Kryo], inputPool: Pool[Input]): List[RawData] = {
val kryo = kryoPool.obtain()
val input = inputPool.obtain()
val data = rowOfBinaryList.map(r => r.getAs[Array[Byte]]("message")).map{ binaryMsg =>
input.setInputStream(new ByteArrayInputStream(binaryMsg))
val value = kryo.readClassAndObject(input).asInstanceOf[RawData]
input.close()
value
}
kryoPool.free(kryo)
inputPool.free(input)
data
}
Примечание: объект KryoContext + Lazy val гарантирует, что kryoPoolсоздается один раз за JVM.Однако я не думаю, что проблема заключается в этом.
Я заметил в каком-то другом месте подсказку о проблемах с classLoaders, используемыми spark vs Kryo?Но не уверен, что действительно понял, что происходит.
Если бы кто-то мог дать мне несколько советов, это помогло бы, потому что я понятия не имею, с чего начать.Почему он работает в локальном режиме, а не в кластерном режиме, не нарушает ли предоставленная зависимость зависимость и создает ли проблему с Kryo?Это - Стратегия слияния Ассамблеи SBT, которая портит?
Возможно много указателей, если кто-нибудь поможет мне сузить это, это было бы здорово!