Question

您好我正在尝试生成Salt Examples的输出但不使用其文档中提到的docker。我找到了有助于生成Main.scala输出的scala代码。我把Main.scala修改为一个方便的，

package BinExTest
import org.apache.spark.SparkContext
import org.apache.spark.SparkConf
import org.apache.spark.sql.SQLContext
import org.apache.spark.sql.Row

import software.uncharted.salt.core.projection.numeric._
import software.uncharted.salt.core.generation.request._
import software.uncharted.salt.core.generation.Series
import software.uncharted.salt.core.generation.TileGenerator
import software.uncharted.salt.core.generation.output.SeriesData
import software.uncharted.salt.core.analytic.numeric._

import java.io._

import scala.util.parsing.json.JSONObject

object Main {

  // Defines the tile size in both x and y bin dimensions
  val tileSize = 256

  // Defines the output layer name
  val layerName = "pickups"

  // Creates and returns an Array of Double values encoded as 64bit Integers
  def createByteBuffer(tile: SeriesData[(Int, Int, Int), (Int, Int), Double, (Double, Double)]): Array[Byte] = {
    val byteArray = new Array[Byte](tileSize * tileSize * 8)
    var j = 0
    tile.bins.foreach(b => {
      val data = java.lang.Double.doubleToLongBits(b)
      for (i <- 0 to 7) {
        byteArray(j) = ((data >> (i * 8)) & 0xff).asInstanceOf[Byte]
        j += 1
      }
    })
    byteArray
  }

  def main(args: Array[String]): Unit = {

    val jarFile = "/home/kesava/Studies/BinExTest/BinExTest.jar"; 
    val inputPath = "/home/kesava/Downloads/taxi_micro.csv"
    val outputPath = "/home/kesava/SoftWares/salt/salt-examples/bin-example/Output"

    val conf = new SparkConf().setAppName("salt-bin-example").setJars(Array(jarFile))
    val sc = new SparkContext(conf)
    val sqlContext = new SQLContext(sc)

    sqlContext.read.format("com.databricks.spark.csv")
      .option("header", "true")
      .option("inferSchema", "true")
      .load(s"file://$inputPath")
      .registerTempTable("taxi_micro")

    // Construct an RDD of Rows containing only the fields we need. Cache the result
    val input = sqlContext.sql("select pickup_lon, pickup_lat from taxi_micro")
      .rdd.cache()

    // Given an input row, return pickup longitude, latitude as a tuple
    val pickupExtractor = (r: Row) => {
      if (r.isNullAt(0) || r.isNullAt(1)) {
        None
      } else {
        Some((r.getDouble(0), r.getDouble(1)))
      }
    }

    // Tile Generator object, which houses the generation logic
    val gen = TileGenerator(sc)

    // Break levels into batches. Process several higher levels at once because the
    // number of tile outputs is quite low. Lower levels done individually due to high tile counts.
    val levelBatches = List(List(0, 1, 2, 3, 4, 5, 6, 7, 8), List(9, 10, 11), List(12), List(13), List(14))

    // Iterate over sets of levels to generate.
    val levelMeta = levelBatches.map(level => {

      println("------------------------------")
      println(s"Generating level $level")
      println("------------------------------")

      // Construct the definition of the tiling jobs: pickups
      val pickups = new Series((tileSize - 1, tileSize - 1),
        pickupExtractor,
        new MercatorProjection(level),
        (r: Row) => Some(1),
        CountAggregator,
        Some(MinMaxAggregator))

      // Create a request for all tiles on these levels, generate
      val request = new TileLevelRequest(level, (coord: (Int, Int, Int)) => coord._1)
      val rdd = gen.generate(input, pickups, request)

      // Translate RDD of Tiles to RDD of (coordinate,byte array), collect to master for serialization
      val output = rdd
        .map(s => pickups(s).get)
        .map(tile => {
          // Return tuples of tile coordinate, byte array
          (tile.coords, createByteBuffer(tile))
        })
        .collect()

      // Save byte files to local filesystem
      output.foreach(tile => {
        val coord = tile._1
        val byteArray = tile._2
        val limit = (1 << coord._1) - 1
        // Use standard TMS path structure and file naming
        val file = new File(s"$outputPath/$layerName/${coord._1}/${coord._2}/${limit - coord._3}.bins")
        file.getParentFile.mkdirs()
        val output = new FileOutputStream(file)
        output.write(byteArray)
        output.close()
      })

      // Create map from each level to min / max values.
      rdd
        .map(s => pickups(s).get)
        .map(t => (t.coords._1.toString, t.tileMeta.get))
        .reduceByKey((l, r) => {
          (Math.min(l._1, r._1), Math.max(l._2, r._2))
        })
        .mapValues(minMax => {
          JSONObject(Map(
            "min" -> minMax._1,
            "max" -> minMax._2
          ))
        })
        .collect()
        .toMap
    })

    // Flatten array of maps into a single map
    val levelInfoJSON = JSONObject(levelMeta.reduce(_ ++ _)).toString()
    // Save level metadata to filesystem
    val pw = new PrintWriter(s"$outputPath/$layerName/meta.json")
    pw.write(levelInfoJSON)
    pw.close()

  }
}

我为这个scala创建了一个单独的文件夹，其中另一个文件夹名为lib，其中包含所需的jar文件，我用 scalac 编译它，如下所示，

scalac -cp＆＃34; lib / salt.jar：lib / spark.jar＆＃34; Main.scala

这成功运行并在BinExTest文件夹下生成了类。

现在，该项目的build.gradle具有以下代码行，用于确定这是有助于生成输出数据集的命令，

task run(overwrite: true, type: Exec, dependsOn: [assemble]) {
  executable = 'spark-submit'
  args = ["--class","software.uncharted.salt.examples.bin.Main","/opt/salt/build/libs/salt-bin-example-${version}.jar", "/opt/data/taxi_one_day.csv", "/opt/output"]
}

看到这个，我做了以下命令，

spark-submit --class BinExTest.Main lib / salt.jar

当我这样做时，我收到以下错误，

java.lang.ClassNotFoundException：Main.BinExTest at java.net.URLClassLoader $ 1.run（URLClassLoader.java:366）at java.net.URLClassLoader $ 1.run（URLClassLoader.java:355）at java.security.AccessController.doPrivileged（Native Method）at java.net.URLClassLoader.findClass（URLClassLoader.java:354）at java.lang.ClassLoader.loadClass（ClassLoader.java:425）at java.lang.ClassLoader.loadClass（ClassLoader.java:358）at java.lang.Class.forName0（Native Method）at java.lang.Class.forName（Class.java:278）at org.apache.spark.util.Utils $ .classForName（Utils.scala：174）at at org.apache.spark.deploy.SparkSubmit $ .ORG $阿帕奇$火花$部署$ SparkSubmit $$ runMain（SparkSubmit.scala：689）在 org.apache.spark.deploy.SparkSubmit $ .doRunMain $ 1（SparkSubmit.scala：181）在org.apache.spark.deploy.SparkSubmit $ .submit（SparkSubmit.scala：206）在org.apache.spark.deploy.SparkSubmit $ .main（SparkSubmit.scala：121）在org.apache.spark.deploy.SparkSubmit.main（SparkSubmit.scala）

有人可以帮助我吗？我对此完全陌生，只是通过探索来实现这一目标。

[更新1]

接受YoYo的建议，

spark-submit --class BinExTest.Main --jars＆＃34; BinExTest.jar＆＃34; ＆＃34; LIB / salt.jar＆＃34;

我得到了ClassNotFoundException，产生了新的错误，如下所示，

线程中的异常＆＃34; main＆＃34; org.apache.spark.SparkException：Job 由于阶段失败而中止：阶段3.0中的任务1失败1次，大多数最近的失败：阶段3.0中失去的任务1.0（TID 6，localhost）： java.lang.NoSuchMethodError： scala.runtime.IntRef.create（I）Lscala /运行/ INTREF;在 BinExTest.Main $ .createByteBuffer（Main.scala：29）at BinExTest.Main $$ anonfun $ 2 $$ anonfun $ 6.apply（Main.scala：101）at at BinExTest.Main $$ anonfun $ 2 $$ anonfun $ 6.apply（Main.scala：99）at at scala.collection.Iterator $$ anon $ 11.next（Iterator.scala：328）at scala.collection.Iterator $ class.foreach（Iterator.scala：727）at scala.collection.AbstractIterator.foreach（Iterator.scala：1157）at scala.collection.generic.Growable $类$加$加$ EQ（Growable.scala：48）。在 scala.collection.mutable.ArrayBuffer $加$加$ EQ（ArrayBuffer.scala：103）。在 scala.collection.mutable.ArrayBuffer $加$加$ EQ（ArrayBuffer.scala：47）。在 scala.collection.TraversableOnce $ class.to（TraversableOnce.scala：273）在scala.collection.AbstractIterator.to（Iterator.scala：1157）at scala.collection.TraversableOnce $ class.toBuffer（TraversableOnce.scala：265）在scala.collection.AbstractIterator.toBuffer（Iterator.scala：1157）在 scala.collection.TraversableOnce $ class.toArray（TraversableOnce.scala：252）在scala.collection.AbstractIterator.toArray（Iterator.scala：1157）at org.apache.spark.rdd.RDD $$ anonfun $收集$ 1 $$ anonfun $ 12.apply（RDD.scala：927）在 org.apache.spark.rdd.RDD $$ anonfun $收集$ 1 $$ anonfun $ 12.apply（RDD.scala：927）在 org.apache.spark.SparkContext $$ anonfun $ runJob $ 5.apply（SparkContext.scala：1858）在 org.apache.spark.SparkContext $$ anonfun $ runJob $ 5.apply（SparkContext.scala：1858）在org.apache.spark.scheduler.ResultTask.runTask（ResultTask.scala：66）在org.apache.spark.scheduler.Task.run（Task.scala：89）at org.apache.spark.executor.Executor $ TaskRunner.run（Executor.scala：214）在 java.util.concurrent.ThreadPoolExecutor.runWorker（ThreadPoolExecutor.java:1145）在 java.util.concurrent.ThreadPoolExecutor中的$ Worker.run（ThreadPoolExecutor.java:615）在java.lang.Thread.run（Thread.java:745）

知道发生了什么事吗？

[更新2]

使用Scala2.11支持从源代码构建Spark解决了我之前的问题。但是我收到了一个新错误，

6/05/10 18:39:15错误TaskSetManager：阶段2.0中的任务0失败1 倍;中止作业线程中的异常＆＃34; main＆＃34; org.apache.spark.SparkException：作业因阶段失败而中止：阶段2.0中的任务0失败1次，最近失败：丢失任务0.0 在阶段2.0（TID 3，localhost）：java.lang.NoClassDefFoundError： scala / collection / GenTraversableOnce $ class at 。software.uncharted.salt.core.util.SparseArray（SparseArray.scala：37）在。software.uncharted.salt.core.util.SparseArray（SparseArray.scala：57）在 software.uncharted.salt.core.generation.rdd.RDDSeriesWrapper.makeBins（RDDTileGenerator.scala：224）在 software.uncharted.salt.core.generation.rdd.RDDTileGeneratorCombiner.createCombiner（RDDTileGenerator.scala：128）在 software.uncharted.salt.core.generation.rdd.RDDTileGenerator $$ anonfun $ 3.apply（RDDTileGenerator.scala：100）在 software.uncharted.salt.core.generation.rdd.RDDTileGenerator $$ anonfun $ 3.apply（RDDTileGenerator.scala：100）在 org.apache.spark.util.collection.ExternalSorter $$ anonfun $ 5.apply（ExternalSorter.scala：187）在 org.apache.spark.util.collection.ExternalSorter $$ anonfun $ 5.apply（ExternalSorter.scala：186）在 org.apache.spark.util.collection.AppendOnlyMap.changeValue（AppendOnlyMap.scala：148）在 org.apache.spark.util.collection.SizeTrackingAppendOnlyMap.changeValue（SizeTrackingAppendOnlyMap.scala：32）在 org.apache.spark.util.collection.ExternalSorter.insertAll（ExternalSorter.scala：192）在 org.apache.spark.shuffle.sort.SortShuffleWriter.write（SortShuffleWriter.scala：64）在 org.apache.spark.scheduler.ShuffleMapTask.runTask（ShuffleMapTask.scala：73）在 org.apache.spark.scheduler.ShuffleMapTask.runTask（ShuffleMapTask.scala：41）在org.apache.spark.scheduler.Task.run（Task.scala：89）at org.apache.spark.executor.Executor $ TaskRunner.run（Executor.scala：214）在 java.util.concurrent.ThreadPoolExecutor.runWorker（ThreadPoolExecutor.java:1145）在 java.util.concurrent.ThreadPoolExecutor中的$ Worker.run（ThreadPoolExecutor.java:615）在java.lang.Thread.run（Thread.java:745）引起：抛出java.lang.ClassNotFoundException： scala.collection.GenTraversableOnce $ class at java.net.URLClassLoader $ 1.run（URLClassLoader.java:366）at java.net.URLClassLoader $ 1.run（URLClassLoader.java:355）at java.security.AccessController.doPrivileged（Native Method）at java.net.URLClassLoader.findClass（URLClassLoader.java:354）at java.lang.ClassLoader.loadClass（ClassLoader.java:425）at java.lang.ClassLoader.loadClass（ClassLoader.java:358）

这是因为scala2.11没有提到的类吗？

[最终更新]

将scala2.10添加到spark-submit中就可以了。

spark-submit --class＆＃34; BinExTest.Main＆＃34; --jars ＆＃34; BinExTest.jar，LIB / scala210.jar＆＃34; ＆＃34; LIB / salt.jar＆＃34;

Answer 1

要运行Spark作业，需要在构成spark群集的不同节点上自行复制代码。它通过将jar文件复制到其他节点来实现。

这意味着您需要确保您的类文件打包在.jar文件中。在我的典型解决方案中，我将构建一个Uber jar，它将类文件和依赖jar文件打包在一个.jar文件中。为此，我使用Maven Shade plugin。这不一定是你的解决方案，但至少你应该从你生成的类中构建一个.jar文件。

要手动提供额外的jar文件 - 您需要使用--jars选项添加它们，这将使用逗号分隔列表。

更新1

实际上，即使对我来说，所有可用选项都存在很多混淆，特别是jar文件及其分布方式，或修改spark中的类路径。 See another topic I just posted

更新2

对于问题的第二部分已在another thread上回答。

ClassNotFoundException spark-submit scala

[更新1]

[更新2]

[最终更新]

1 个答案:

更新1

更新2