scala - 在sbt中，如何指定spark依赖的hadoop版本呢？

Question

我有一个使用spark和spark sql的sbt项目，但是我的集群使用hadoop 1.0.4和spark 1.2以及spark-sql 1.2，目前我的build.sbt看起来像这样:

libraryDependencies ++= Seq(
    "com.datastax.cassandra" % "cassandra-driver-core" % "2.1.5",
    "com.datastax.cassandra" % "cassandra-driver-mapping" % "2.1.5",
    "com.datastax.spark" % "spark-cassandra-connector_2.10" % "1.2.1",
    "org.apache.spark" % "spark-core_2.10" % "1.2.1",
    "org.apache.spark" % "spark-sql_2.10" % "1.2.1",
)

事实证明，我正在使用 hadoop 2.2.0 运行应用程序，但我希望在我的依赖项中看到 hadoop-*-1.0.4。请问我该怎么办？

Answer 1

您可以排除 Spark 对 hadoop 的依赖关系，并添加一个包含您需要的版本的显式依赖项，大致如下:

libraryDependencies ++= Seq(
    "com.datastax.cassandra" % "cassandra-driver-core" % "2.1.5",
    "com.datastax.cassandra" % "cassandra-driver-mapping" % "2.1.5",
    "com.datastax.spark" % "spark-cassandra-connector" %% "1.2.1",
    "org.apache.spark" % "spark-sql_2.10" % "1.2.1" excludeAll(
         ExclusionRule("org.apache.hadoop")
    ),
    "org.apache.hadoop" % "hadoop-client" % "2.2.0"
)

您可能不需要对 spark-core 的依赖，因为 spark-sql 应该将它传递给您。

此外，请注意 spark-cassandra-connector 可能还依赖于 Spark，这可能会再次间接带回 hadoop => 您可能还需要在那里添加排除规则。

最后说明:一个出色的工具，用于调查 https://github.com/jrudolph/sbt-dependency-graph 的依赖项来自何处。