Как использовать s3a с Apache spark 2.2 (hadoop 2.8) в Spark Submit? - PullRequest
Новая
       10

Как использовать s3a с Apache spark 2.2 (hadoop 2.8) в Spark Submit?

0 голосов
/ 19 октября 2018

Я пытаюсь получить доступ к данным S3 из spark, используя spark 2.2.0, созданный с использованием версии hadoop 2.8, я использую /jars/hadoop-aws-2.8.3.jar, /jars/aws-java-sdk-s3-1.10.6.jar и /jars/aws-java-sdk-core-1.10.6.jar в classpath

Я получаю следующее исключение 

         java.lang.NoClassDefFoundError: org/apache/hadoop/fs/StorageStatistics
            at java.lang.Class.forName0(Native Method)
            at java.lang.Class.forName(Class.java:348)
            at org.apache.hadoop.conf.Configuration.getClassByNameOrNull(Configuration.java:2134)
            at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:2099)
            at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:2193)
            at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2654)
            at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2667)
            at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)
            at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2703)
            at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2685)
            at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:373)
            at org.apache.hadoop.fs.Path.getFileSystem(Path.java:295)
            at org.apache.spark.sql.execution.datasources.DataSource.hasMetadata(DataSource.scala:301)
            at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:344)
            at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:152)
            at org.apache.spark.sql.DataFrameReader.parquet(DataFrameReader.scala:441)
            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:498)
            at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
            at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
            at py4j.Gateway.invoke(Gateway.java:280)
            at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
            at py4j.commands.CallCommand.execute(CallCommand.java:79)
            at py4j.GatewayConnection.run(GatewayConnection.java:214)
            at java.lang.Thread.run(Thread.java:745)
        Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.fs.StorageStatistics
            at java.net.URLClassLoader.findClass(URLClassLoader.java:381)
            at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
            at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
            ... 27 more

Затем я добавил jar hadoop-common в classpath из директории установки spark /sparkinstallation/jars/hadoop-common-2.8.3.jar, теперь я получаю следующую ошибку: 

        java.lang.IllegalAccessError: tried to access method org.apache.hadoop.metrics2.lib.MutableCounterLong.<init>(Lorg/apache/hadoop/metrics2/MetricsInfo;J)V from class org.apache.hadoop.fs.s3a.S3AInstrumentation
            at org.apache.hadoop.fs.s3a.S3AInstrumentation.streamCounter(S3AInstrumentation.java:194)
            at org.apache.hadoop.fs.s3a.S3AInstrumentation.streamCounter(S3AInstrumentation.java:216)
            at org.apache.hadoop.fs.s3a.S3AInstrumentation.<init>(S3AInstrumentation.java:139)
            at org.apache.hadoop.fs.s3a.S3AFileSystem.initialize(S3AFileSystem.java:174)
            at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2669)
            at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)
            at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2703)
            at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2685)
            at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:373)
            at org.apache.hadoop.fs.Path.getFileSystem(Path.java:295)
            at org.apache.spark.sql.execution.datasources.DataSource.hasMetadata(DataSource.scala:301)
            at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:344)
            at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:152)
            at org.apache.spark.sql.DataFrameReader.parquet(DataFrameReader.scala:441)
            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:498)
            at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
            at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
            at py4j.Gateway.invoke(Gateway.java:280)
            at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
            at py4j.commands.CallCommand.execute(CallCommand.java:79)
            at py4j.GatewayConnection.run(GatewayConnection.java:214)
            at java.lang.Thread.run(Thread.java:745)

Может ли кто-нибудь помочь, если я что-то упустил?

Я сослался на ссылку - Как использовать s3 с Apache spark 2.2 в оболочке Spark , но не помогло

1 Ответ

0 голосов
/ 19 октября 2018

Я бы предложил добавить зависимость к вашей команде spark-submit, как показано ниже, которая загрузит все необходимые зависимости.Если вы просто добавляете jar, у вас все еще могут отсутствовать некоторые другие зависимости: 

 spark-shell --packages "org.apache.hadoop:hadoop-aws:2.7.3"
 spark-submit --packages "org.apache.hadoop:hadoop-aws:2.7.3"

Другой способ - это связать зависимости в файл jar задания, затем использовать обычный spark-sbumit

...