java - httpclient 版本与 Apache Spark 之间的冲突

Question

我正在使用 Apache Spark 开发 Java 应用程序。我使用这个版本:

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.2.2</version>
</dependency>

在我的代码中，有一个过渡依赖:

<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.2</version>
</dependency>

我将我的应用程序打包到一个 JAR 文件中。使用 spark-submit 在 EC2 实例上部署它时，出现此错误。

Caused by: java.lang.NoSuchFieldError: INSTANCE
    at org.apache.http.conn.ssl.SSLConnectionSocketFactory.<clinit>(SSLConnectionSocketFactory.java:144)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.getPreferredSocketFactory(ApacheConnectionManagerFactory.java:87)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.create(ApacheConnectionManagerFactory.java:65)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.create(ApacheConnectionManagerFactory.java:58)
    at com.amazonaws.http.apache.client.impl.ApacheHttpClientFactory.create(ApacheHttpClientFactory.java:50)
    at com.amazonaws.http.apache.client.impl.ApacheHttpClientFactory.create(ApacheHttpClientFactory.java:38)

此错误清楚地表明 SparkSubmit 加载了同一 Apache httpclient 库的旧版本，因此发生了此冲突。

有什么好的方法可以解决这个问题？

出于某种原因，我无法在我的 Java 代码上升级 Spark。但是，我可以使用 EC2 集群轻松做到这一点。是否可以将我的 java 代码部署到具有更高版本(例如 1.6.1 版本)的集群上？

Answer 1

正如您在帖子中所说，Spark 正在加载旧版本的 httpclient。解决方案是使用 Maven 的 relocation设施来产生一个整洁的无冲突项目。

这是一个如何在您的 pom.xml 文件中使用它的示例:

<project>
  <!-- Your project definition here, with the groupId, artifactId, and it's dependencies --> 
  <build>
    <plugins>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-shade-plugin</artifactId>
        <version>2.4.3</version>
        <executions>
          <execution>
            <phase>package</phase>
            <goals>
              <goal>shade</goal>
            </goals>
            <configuration>
              <relocations>
                <relocation>
                  <pattern>org.apache.http.client</pattern>
                  <shadedPattern>shaded.org.apache.http.client</shadedPattern>
                </relocation>
              </relocations>
            </configuration>
          </execution>
        </executions>
      </plugin>
    </plugins>
  </build>

</project>

这会将所有文件从 org.apache.http.client 移动到 shaded.org.apache.http.client，从而解决冲突。

---

原帖:

如果这只是传递依赖的问题，您可以将其添加到您的 spark-core 依赖中以排除 Spark 使用的 HttpClient :

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.2.2</version>
    <scope>provided</scope>
    <exclusions>
        <exclusion>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
        </exclusion>
    </exclusions>
</dependency>

我还在您的依赖项中添加了 scope 作为 provided，因为它将由您的集群提供。

但是，这可能会影响 Spark 的内部行为。如果执行此操作后仍然出现错误，您可以尝试使用 Maven 的 relocation应产生整洁无冲突项目的设施。

关于你不能升级Spark的版本，你使用的是this dependency吗？来自 mvnrepository 的声明？

Spark 向后兼容，在更高版本的集群上部署作业应该没有任何问题。