3

我有一个 spark master & worker 在 Docker 容器中运行，带有 spark 2.0.2 和 hadoop 2.7。我正在尝试通过运行从不同的容器（相同的网络）提交来自 pyspark 的作业

df = spark.read.json("/data/test.json")
df.write.format("com.databricks.spark.avro").save("/data/test.avro")

但我收到了这个错误：

java.lang.NoSuchMethodError: org.apache.avro.generic.GenericData.createDatumWriter(Lorg/apache/avro/Schema;)Lorg/apache/avro/io/DatumWriter;

如果我尝试以交互方式或使用 spark-submit 没有区别。这些是我在 spark 中加载的包：

com.databricks#spark-avro_2.11;3.2.0 from central in [default]
com.thoughtworks.paranamer#paranamer;2.7 from central in [default]
org.apache.avro#avro;1.8.1 from central in [default]
org.apache.commons#commons-compress;1.8.1 from central in [default]
org.codehaus.jackson#jackson-core-asl;1.9.13 from central in [default]
org.codehaus.jackson#jackson-mapper-asl;1.9.13 from central in [default]
org.slf4j#slf4j-api;1.7.7 from central in [default]
org.tukaani#xz;1.5 from central in [default]
org.xerial.snappy#snappy-java;1.1.1.3 from central in [default]

spark-submit --version输出：

Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /___/ .__/\_,_/_/ /_/\_\   version 2.0.2
      /_/

Branch 
Compiled by user jenkins on 2016-11-08T01:39:48Z
Revision 
Url 
Type --help for more information.

斯卡拉版本是 2.11.8

我的 pyspark 命令：

PYSPARK_PYTHON=ipython /usr/spark-2.0.2/bin/pyspark --master spark://master:7077 --packages com.databricks:spark-avro_2.11:3.2.0,org.apache.avro:avro:1.8.1

我的火花提交命令：

spark-submit script.py --master spark://master:7077 --packages com.databricks:spark-avro_2.11:3.2.0,org.apache.avro:avro:1.8.1

我在这里读到这可能是由“正在使用旧版本的 avro”引起的，所以我尝试使用 1.8.1，但我一直收到同样的错误。阅读 avro 工作正常。有什么帮助吗？

4

2 回答 2

3

这个错误的原因是hadoop默认包含一个apache avro 1.7.4版本，如果SPARK_DIST_CLASSPATHenv变量$HADOOP_HOME/share/common/lib/在ivy2 jars之前包含hadoop common()，则可以使用错误的版本而不是spark所需的版本-avro (>=1.7.6) 并安装在 ivy2 中。

要检查是否是这种情况，请打开 aspark-shell并运行

sc.getClass().getResource("/org/apache/avro/generic/GenericData.class")

这应该告诉你类的位置，如下所示：

java.net.URL = jar:file:/lib/ivy/jars/org.apache.avro_avro-1.7.6.jar!/org/apache/avro/generic/GenericData.class

如果该类指向，那么您必须在env 变量中常见的 hadoop之前$HADOOP_HOME/share/common/lib/简单地包含您的 ivy2 jar 。SPARK_DIST_CLASSPATH

例如，在 Dockerfile

ENV SPARK_DIST_CLASSPATH="/home/root/.ivy2/*:$HADOOP_HOME/etc/hadoop/*:$HADOOP_HOME/share/hadoop/common/lib/*:$HADOOP_HOME/share/hadoop/common/*:$HADOOP_HOME/share/hadoop/hdfs/*:$HADOOP_HOME/share/hadoop/hdfs/lib/*:$HADOOP_HOME/share/hadoop/hdfs/*:$HADOOP_HOME/share/hadoop/yarn/lib/*:$HADOOP_HOME/share/hadoop/yarn/*:$HADOOP_HOME/share/hadoop/mapreduce/lib/*:$HADOOP_HOME/share/hadoop/mapreduce/*:$HADOOP_HOME/share/hadoop/tools/lib/*"

注意： /home/root/.ivy2是 ivy2 jar 的默认位置，您可以通过在 中进行设置来操作它spark.jars.ivy，spark-defaults.conf这可能是一个好主意。

于 2017-04-25T21:21:16.260 回答
0

我以前遇到过类似的问题。尝试在spark-submit中使用--jars {path to spark-avro_2.11-3.2.0.jar}选项

于 2017-04-03T05:55:33.090 回答