使用 Google Dataproc Spark 集群,我的 sbt 构建的程序集 jar 可以通过 SparkContext 访问 Cassandra。
但是,当我尝试通过 sqlContext 访问时,我得到在远程集群上找不到的 Spark sql 类 - 尽管我相信 dataproc 集群应该是为 Spark sql 配置的。
java.lang.NoClassDefFoundError: org/apache/spark/sql/types/UTF8String$
at org.apache.spark.sql.cassandra.CassandraSQLRow$$anonfun$fromJavaDriverRow$1.apply$mcVI$sp(CassandraSQLRow.scala:50)
at scala.collection.immutable.Range.foreach$mVc$sp(Range.scala
我的 sbt 文件:
libraryDependencies ++= Seq(
"org.apache.spark" %% "spark-core" % "1.5.0" % "provided",
"org.apache.spark" %% "spark-sql" % "1.5.0" % "provided",
"com.datastax.spark" %% "spark-cassandra-connector" % "1.4.0"
)
关闭spark-sql上的“provided”会让我陷入jar重复合并 hell 。
感谢您的帮助。
最佳答案
看来您还需要 spark-cassandra-connector
版本 1.5.0
来确保您的类兼容。这是commit which upgraded the cassandra connector to 1.5.0 ,您可以看到它删除了 org.apache.spark.sql.types.UTF8String
的导入,并添加了 import org.apache.spark.unsafe.types.UTF8String
,更改 CassandraSQLRow.scala 中的相关行:
data(i) = GettableData.get(row, i)
data(i) match {
case date: Date => data.update(i, new Timestamp(date.getTime))
- case str: String => data.update(i, UTF8String(str))
+ case bigInt: BigInteger => data.update(i, new JBigDecimal(bigInt))
+ case str: String => data.update(i, UTF8String.fromString(str))
case set: Set[_] => data.update(i, set.toSeq)
case _ =>
}
尽管 Maven central for the cassandra connector 中似乎只有“里程碑”工件类型,而不是“发布”类型,您应该仍然可以获得最新的里程碑连接器 1.5.0-M2使用您的代码。
编辑:附加链接到 compatibility table from the Cassandra connector's GitHub README.md
关于apache-spark-sql - 来自 sbt scala 的 google dataproc 上的 Spark-SQL,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/33512996/