Question

我正在开发一个项目，使用Spark流将CSV文件中的数据批量加载到HBase。我使用的代码如下（改编自here）：

def bulk_load(rdd):
    conf = {#removed for brevity}

    keyConv = "org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter"
    valueConv = "org.apache.spark.examples.pythonconverters.StringListToPutConverter"

    load_rdd = rdd.flatMap(lambda line: line.split("\n"))\
                  .flatMap(csv_to_key_value)
    load_rdd.saveAsNewAPIHadoopDataset(conf=conf,keyConverter=keyConv,valueConverter=valueConv)

直到并包括两个flatMap的所有内容都按预期工作。但是，在尝试执行saveAsNewAPIHadoopDataset时，我收到以下运行时错误：

java.lang.ClassNotFoundException: org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter

我已将PYTHONPATH设置为指向包含此类的jar（以及我的其他转换器类），但这似乎并没有改善这种情况。任何建议将不胜感激。提前谢谢。

Answer 1

进行了一些挖掘，但这是解决方案：

我认为罐子不需要添加到PYTHONPATH，而是需要添加到Spark配置中。我在配置中添加了以下属性（Ambari下的自定义spark-defaults） spark.driver.extraClassPath和spark.executor.extraClassPath

对于其中的每一个，我添加了以下罐子：

/usr/hdp/2.3.2.0-2950/spark/lib/spark-examples-1.4.1.2.3.2.0-2950-hadoop2.7.1.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-common-1.1.2.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-client-1.1.2.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-protocol-1.1.2.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/guava-12.0.1.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-server-1.1.2.2.3.2.0-2950.jar

添加这些罐子让spark能够看到所有必要的文件。

使用Python进行Spark Streaming - 未找到类异常

1 个答案: