java - 是否可以使用spark-avro数据源创建Spark应用程序并通过 'java -jar'执行它

Question

我有一个java应用程序，它使用spark来访问来自各种数据源(hadoop、本地文件系统等)的各种格式(json、avro等)的数据。

   SparkSession spark = SparkSession
        .builder()
        .appName("Spark app")
        .master("local")
        .getOrCreate();
    Dataset<Row> dataset = spark
        .read()
        .format(FORMAT)) // avro, json, ...
        .load(FILEPATH);

我能够创建 fat jar 并通过“java -jar”运行它。只要我使用 JSON 作为“格式”就没有问题。但是如果“JSON”被“AVRO”替换，那么它会抛出无法找到数据源:AVRO的异常。从 Spark 2.4 开始，Avro 是内置但外部的数据源模块。如果我直接在(IDE)中运行它，那么即使使用 avro 也可以正常工作，但如果它在 jar 中，则只能使用 JSON。

我知道 avro 是 Spark 的外部数据源，并且必须以某种方式将其添加到 Spark，但不知道如何以及是否可以仅通过 java -jar app.jar -param - 运行此类应用程序参数1

Answer 1

问题出在 Maven 构建插件中。我使用的是 maven-assemble-plugin，但是当我用 maven-shade-plugin 替换它时，一切正常。