java - Spark-Cassandra Maven 项目，带有进行 scala-lib 调用的 java 源代码

标签 java scala maven cassandra apache-spark

我对 Spark 和 Cassandra 都很陌生，需要一些指导。我正在设置一个使用 Spark v1.3.1 和 Cassandra v2.0.14 的 Maven 项目。我正在尝试以下操作:

1) 使用以下方式与Oracle DB建立连接，进行数据输入；利用 Spark 1.3.0 中新增的 DataFrame:http://www.sparkexpert.com/2015/03/28/loading-database-data-into-spark-using-data-sources-api/

2)使用spark-cassandra-connector来进行后者之间的连接；在 github 上找到的。

3)一旦我在 DataFrame 中拥有数据库数据，我应该能够转换为 JavaRDD 类型并推送到 Cassandra 键空间，如下所示:http://www.datastax.com/dev/blog/accessing-cassandra-from-spark-in-java

4) 简而言之:[Oracle DB]<---[Spark]---[spark-cassandra-connector]--->[Cassandra]

我遇到的问题是在我的 Java 代码中调用 Scala-lib 期间(上面的步骤 1)；更具体地说，在加载函数调用期间: DataFrame jdbcDF = sqlContext.load(“jdbc”, options);

运行时错误: java.lang.ClassNotFoundException:scala.collection.GenTraversableOnce$class”

尽管在我的 pom.xml 文件中尝试了推荐的 2.10.X Scala 的几个不同版本，但还是出现了上述错误。根据我之前的研究，我认为这可能是 Spark-Scala 兼容性问题。我还读到我需要将 scala-lib.jar 包含在我的类路径中，但我不确定如何使用 Maven 执行此操作。对此有什么想法吗？我在下面包含了 pom.xml 和 java 代码:

POM.XML 

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <groupId>com.dev</groupId>
    <artifactId>spark-cassandra</artifactId>
    <version>0.0.1-SPARK-CASSANDRA</version>

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.11</artifactId>
            <version>1.3.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.11</artifactId>
            <version>1.3.1</version>
        </dependency>

        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.35</version>
        </dependency>
	<dependency>
	    <groupId>com.oracle</groupId>
	    <artifactId>ojdbc6</artifactId>
	    <version>11.2.0</version>
	</dependency>
	
	
	<dependency>
	    <groupId>com.datastax.spark</groupId>
	    <artifactId>spark-cassandra-connector_2.10</artifactId>
	    <version>1.0.0-rc4</version>
	</dependency>
	<dependency>
	    <groupId>com.datastax.spark</groupId>
	    <artifactId>spark-cassandra-connector-java_2.10</artifactId>
	    <version>1.0.0-rc4</version>
	</dependency>
	<dependency>
	    <groupId>com.datastax.cassandra</groupId>
	    <artifactId>cassandra-driver-core</artifactId>
	    <version>2.1.5</version>
	</dependency>
	
	<dependency>
	    <groupId>org.apache.spark</groupId>
	    <artifactId>spark-streaming_2.10</artifactId>
	    <version>1.3.1</version>
	</dependency>
	<dependency>
	    <groupId>com.dev.cassandra</groupId>
	    <artifactId>spark-cassandra</artifactId>
	    <version>1.0</version>
	</dependency>
	
	<dependency>	
	    <groupId>org.scala-lang</groupId>
	    <artifactId>scala-library</artifactId>
	    <version>2.10.3</version>
	</dependency>
	
	<dependency>
	<groupId>org.scala-lang</groupId>
	<artifactId>scala-compiler</artifactId>
	<version>2.10.3</version>
	</dependency>
	<!--
	<dependency>
	<groupId>org.scala-lang</groupId>
	<artifactId>scala-reflect</artifactId>
	<version>2.10.0-M1</version>
	</dependency>
	-->

		
	<!--
	
	<dependency>
	    <groupId>org.scala-lang</groupId>
	    <artifactId>scala-swing</artifactId>
	    <version>2.10.0-M1</version>
	</dependency>
	-->
	
    </dependencies>
   

    <build>
        <pluginManagement>
	  
            <plugins>
                <plugin>
                    <groupId>net.alchim31.maven</groupId>
                    <artifactId>scala-maven-plugin</artifactId>
                    <version>3.1.5</version>
                </plugin>
		<plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.3</version>
                <configuration>
                    <source>1.7</source>
                    <target>1.7</target>
		    <mainClass>com.dev.cassandra.Main</mainClass>
		    <cleanupDaemonThreads>false</cleanupDaemonThreads>
                    <compilerArgument>-Xlint:all</compilerArgument>
                    <showWarnings>true</showWarnings>
                    <showDeprecation>true</showDeprecation>
                </configuration>
	      </plugin>
            </plugins>
        </pluginManagement>

        <plugins>

            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <executions>
                    <execution>
                        <id>scala-compile-first</id>
                        <phase>process-resources</phase>
                        <goals>
                            <goal>add-source</goal>
                            <goal>compile</goal>
                        </goals>
                    </execution>
                    <execution>
                        <id>scala-test-compile</id>
                        <phase>process-test-resources</phase>
                        <goals>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>

            <!-- Plugin to create a single jar that includes all dependencies 
            <plugin>
		<groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>2.4</version>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                    <archive>
                        <manifest>
                            <mainClass>com.dev.cassandra.Main</mainClass>
                        </manifest>
                    </archive>
                </configuration>
                <executions>
                    <execution>
			<id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
		-->
        </plugins>
    </build>				

</project>

JAVA代码:

package com.dev.cassandra;

import java.io.Serializable;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import java.sql.*;

import org.apache.spark.*;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.*;	
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.sql.DataFrame;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SQLContext;
import org.apache.spark.sql.types.DataTypes;
import org.apache.spark.sql.types.StructField;
import org.apache.spark.sql.types.StructType;

import oracle.jdbc.*;

import com.datastax.spark.connector.cql.CassandraConnector;
import static com.datastax.spark.connector.CassandraJavaUtil.*;

public class Main implements Serializable {

    private static final org.apache.log4j.Logger LOGGER = org.apache.log4j.Logger.getLogger(Main.class);

    private static final String JDBC_DRIVER = "oracle.jdbc.driver.OracleDriver";
    private static final String JDBC_USERNAME = "XXXXXO01";
    private static final String JDBC_PWD = "XXXXXO01";
    private static final String JDBC_CONNECTION_URL =
            "jdbc:oracle:thin:" + JDBC_USERNAME + "/" + JDBC_PWD + "@CONNECTION VALUES";

    private transient SparkConf conf;
  
    private Main(SparkConf conf) {
        this.conf = conf;
    }
  
    private void run() {
        JavaSparkContext sc = new JavaSparkContext(conf);
        SQLContext sqlContext = new SQLContext(sc);
        generateData(sc);
        compute(sc);
        showResults(sc);
        sc.stop();
    }
  
    private void generateData(JavaSparkContext sc) {
    
      SQLContext sqlContext = new org.apache.spark.sql.SQLContext(sc);
      System.out.println("AFTER SQL CONTEXT");
      
      //Data source options
      Map<String, String> options = new HashMap<>();
      options.put("driver", JDBC_DRIVER);
      options.put("url", JDBC_CONNECTION_URL);
      options.put("dbtable","(SELECT * FROM XXX_SAMPLE_TABLE WHERE ROWNUM <=5)");
      
      CassandraConnector connector = CassandraConnector.apply(sc.getConf());
      
      try{	
	Class.forName(JDBC_DRIVER);
	 
	System.out.println("BEFORE jdbcDF"); 
	 
        //Load JDBC query result as DataFrame
        DataFrame jdbcDF = sqlContext.load("jdbc", options);
        System.out.println("AFTER jdbcDF");

        List<Row> tableRows = jdbcDF.collectAsList();
        
        System.out.println("AFTER tableRows");

        for (Row tableRow : tableRows) {
	    System.out.println();
            LOGGER.info(tableRow);
            System.out.println();
        }
        
	}catch(Exception e){
	  //Handle errors for Class.forName
	  e.printStackTrace();
	}
    }
  
    private void compute(JavaSparkContext sc) {
    }
  
    private void showResults(JavaSparkContext sc) {
    }
    
    
    public static void main(String[] args) throws InterruptedException 
    {
	
      if (args.length != 2) {
            System.err.println("Syntax: com.datastax.spark.dev.cassandra <Spark Master URL> <Cassandra contact point>");
            System.exit(1);
        }
  
	//JavaSparkContext sc = new JavaSparkContext(new SparkConf().setAppName("SparkJdbcDs").setMaster("local[*]"));
	SparkConf conf = new SparkConf().setAppName("SparkJdbcDs").setMaster("local[*]");

	
	//SparkConf conf = new SparkConf();
        //conf.setAppName("SparkJdbcDs");
        //conf.setMaster(args[0]);
        //conf.set("spark.cassandra.connection.host", args[1]);
  
        Main app = new Main(conf);
        app.run();
	
    }
}

提前致谢!

最佳答案

pom.xml 正在请求某些 Spark JAR 的 Scala 2.11 版本

<artifactId>spark-core_2.11</artifactId>

<artifactId>spark-sql_2.11</artifactId>

以及另一个 Spark JAR 和 Cassandra 连接器 JAR 的 Scala 2.10 版本。 

<artifactId>spark-streaming_2.10</artifactId>

<artifactId>spark-cassandra-connector_2.10</artifactId>

<artifactId>spark-cassandra-connector-java_2.10</artifactId>

(基于 Scala Artifact ID 的命名约定，以您希望为其构建的 Scala 版本结尾。)

这些需要(a)彼此一致以及(b)与您实际使用的 Scala 版本一致。

关于java - Spark-Cassandra Maven 项目，带有进行 scala-lib 调用的 java 源代码，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30084047/

上一篇：Java Swing 分层 Pane 未显示其自身或其内容

下一篇：java - 在 Java 中使用字节和短数据类型时的处理器使用情况

相关文章：

Java2D 旋转后图像质量丢失

mysql - Squeryl 关系 1 :N

scala - 在scala中动态创建变量

java - 使用 Maven 管理 Eclipse 插件项目的依赖项

java - 什么时候应该使用 File.separator，什么时候应该使用 File.pathSeparator？

java - 代号一布局问题

java - 当 textarea 与其他组件一起使用时，为什么 Java pack 无法正确调整框架大小？

macos - 无法在我的 Mac 上使用激活器 - 当我尝试从模板制作应用程序时出现超时异常

java - 我收到异常 jniopencv_core.dll : Can't find dependent libraries error while trying Sikuli Java API test example

java - REST 确保 GET 在通用后不起作用

©2024 IT工具网  联系我们