Question

运行Spark应用程序从Spark 2.0.0中从Cassandra读取数据时遇到一些麻烦。

我的代码如下：

DataFrameReader readerCassandra = SparkContextUtil.getInstance().read() 
                    .format("org.apache.spark.sql.cassandra")
                    .option("spark.cassandra.connection.host", [DATABASE_IP])
                    .option("spark.cassandra.connection.port", [DATABASE_PORT]);

final Map<String,String> map = new HashMap<String,String>();

map.put("table", "MyTable");
map.put("keyspace", "MyKeyspace");

public final  StructType schema = DataTypes.createStructType(
        new StructField[] { DataTypes.createStructField("id", DataTypes.StringType, true),
            DataTypes.createStructField("timestamp", DataTypes.TimestampType, true),
            DataTypes.createStructField("value", DataTypes.DoubleType, true)
        });

final Dataset<Row> dataset = readerCassandra.schema(schema).options(map).load(); 
dataset.show(false);

我想在集群中运行此代码。我的集群使用spark-2.0.2-bin-hadoop2.7（http://spark.apache.org/downloads.html上没有spark-2.0.0）。

首先，我使用以下脚本在“客户端”模式下提交该文件：

#!/bin/bash

sparkMaster=local[*]
mainClass=package.MainClass

jar=/path/to/myJar-with-dependencies.jar

driverPort=7079
blockPort=7082

deployMode=client

$SPARK_HOME/bin/spark-submit \
  --conf "spark.driver.port=${driverPort}"\
  --conf "spark.blockManager.port=${blockPort}"\
  --class $mainClass \
  --master $sparkMaster \
  --deploy-mode $deployMode \
  --jars /path/to/jars/spark-cassandra-connector_2.11-2.0.0.jar \
  $jar

当我这样做时，一切都会很好。但是现在，我想以集群模式运行我的应用程序。

因此，我将主IP设置为sparkMaster，并将deployMode设置为“集群”，从而稍微修改了提交脚本。

提交申请时，我的驱动程序日志中几乎立即出现以下错误：

Exception in thread "main" java.lang.reflect.InvocationTargetException
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:498)
        at org.apache.spark.deploy.worker.DriverWrapper$.main(DriverWrapper.scala:58)
        at org.apache.spark.deploy.worker.DriverWrapper.main(DriverWrapper.scala)
Caused by: java.lang.ClassNotFoundException: Failed to find data source: org.apache.spark.sql.cassandra. Please find packages at https://cwiki.apache.org/confluence/display/SPARK/Third+Party+Projects
        at org.apache.spark.sql.execution.datasources.DataSource.lookupDataSource(DataSource.scala:148)
        ...

Caused by: java.lang.ClassNotFoundException: org.apache.spark.sql.cassandra.DefaultSource
        at java.net.URLClassLoader.findClass(URLClassLoader.java:381)
        ...

注意：

在与我的主服务器相同的计算机上，只有一个工人集群的情况仍然存在错误。
起初，我使用的是Spark 2.3.1，并且在集群模式下运行代码没有问题（使用--jars中的spark-cassandra-connector_2.11-2.3.1.jar）。
我在--jars中尝试了多个jar，例如：spark-cassandra-connector_2.11-2.0.0.jar，spark-cassandra-connector_2.11-2.0.2.jar，spark-cassandra-connector_2.11-2.3.1.jar，spark-cassandra-connector-java_2.11-1.5.1.jar，但是它们都不起作用。
在--jars参数中设置了其他jar，并将其考虑在内

Answer 1

您可能需要将路径指定为file:///path/to/jars/spark-cassandra-connector_2.11-2.0.0.jar-在这种情况下，它将通过驱动程序的HTTP服务器分发给执行者。否则，它希望您已将文件复制到所有计算机上，以避免通过进程本身进行复制。参见Spark documentation for details ...

我宁愿建议仅创建具有所有依赖项（Spark除外）的uberjar并提交它-这样可以减轻工作量。

Spark 2.0.0：以集群模式从Cassandra读取

1 个答案: