Question

我是Scala / Spark Streaming和StackOverflow的新手，所以请原谅我的格式。我做了一个Scala应用程序，可以从Kafka Stream中读取日志文件。它可以在IDE中正常运行，但是如果我可以使用spark-submit来运行它，那该死的。它总是失败并显示：

ClassNotFoundException: org.apache.kafka.common.serialization.ByteArrayDeserializer

异常中引用的行是此代码段中的load命令：

val records = spark
  .readStream
  .format("kafka") // <-- use KafkaSource
  .option("subscribe", kafkaTopic)
  .option("kafka.bootstrap.servers", kafkaBroker) // 192.168.4.86:9092
  .load()
  .selectExpr("CAST(value AS STRING) AS temp")
  .withColumn("record", deSerUDF($"temp"))

IDE：IntelliJ
火花：2.2.1
scala：2.11.8
卡夫卡：kafka_2.11-0.10.0.0

pom.xml的相关部分：

<properties>
    <maven.compiler.source>1.8</maven.compiler.source>
    <maven.compiler.target>1.8</maven.compiler.target>
    <encoding>UTF-8</encoding>
    <scala.version>2.11.8</scala.version>
    <scala.compat.version>2.11</scala.compat.version>
    <spark.version>2.2.1</spark.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.scala-lang</groupId>
        <artifactId>scala-library</artifactId>
        <version>${scala.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.11</artifactId>
        <version>${spark.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming_2.11</artifactId>
        <version>${spark.version}</version>
        <scope>provided</scope>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql_2.11</artifactId>
        <version>${spark.version}</version>
    </dependency>
    <dependency>
        <groupId>com.github.scala-incubator.io</groupId>
        <artifactId>scala-io-file_2.11</artifactId>
        <version>0.4.3-1</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
        <version>${spark.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql-kafka-0-10_2.11</artifactId>
        <version>${spark.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-clients</artifactId>
        <version>0.10.0.0</version>
        <!-- version>2.0.0</version -->
    </dependency>

注意：我不认为这是相关的，但是我必须使用zip -d BroLogSpark.jar "META-INF/*.SF"和zip -d BroLogSpark.jar "META-INF/*.DSA"来了解清单签名的含义。

我的jar文件不包含org.apache.kafka中的任何一个。我看过几篇帖子，强烈暗示我的版本不匹配，并且我尝试了pom.xml和spark-submit的无数变更。每次更改后，我确认它仍在IDE中运行，然后继续尝试在同一系统，同一用户上使用spark-submit。以下是我最近的尝试，其中我的BroLogSpark.jar在当前目录中，“ 192.168.4.86:9092配置文件”是输入参数。

spark-submit --packages org.apache.spark:spark-streaming-kafka-0-10_2.11:2.2.1,org.apache.kafka:kafka-clients:0.10.0.0 BroLogSpark.jar 192.168.4.86:9092 BroFile

Answer 1

也添加以下依赖项

<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka_2.11</artifactId>
    <version>0.10.0.0</version>
</dependency>

Spark Streaming Kafka：使用spark-submit运行时，ByteArrayDeserializer的ClassNotFoundException

1 个答案: