包含 sbt-assembly 的 Spark 2.0.0 流作业缺少 Scala 运行时方法

Question

在 Spark Streaming 2.0.0 作业中使用 ->，或使用 spark-streaming-kafka-0-8_2.11 v2.0.0，并使用 spark-submit 提交时，出现以下错误：

Exception in thread "main" org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 72.0 failed 1 times, most recent failure: Lost task 0.0 in stage 72.0 (TID 37, localhost): java.lang.NoSuchMethodError: scala.Predef$.ArrowAssoc(Ljava/lang/Object;)Ljava/lang/Object;

我在 GitHub 回购中简要说明了这种现象：spark-2-streaming-nosuchmethod-arrowassoc

仅将提供的依赖项放入 build.sbt

"org.apache.spark" %% "spark-core" % "2.0.0" % "provided",
"org.apache.spark" %% "spark-streaming" % "2.0.0" % "provided"

在驱动程序代码中的任何地方使用 ->，用 sbt-assembly 打包并提交作业导致错误。这本身并不是一个大问题，使用 ArrayAssoc 可以避免，但是 spark-streaming-kafka-0-8_2.11 v2.0.0 内部某处有它，并产生相同的错误。

这样做：

wordCounts.map{
  case (w, c) => Map(w -> c)
}.print()

然后

sbt assembly

然后

spark-2.0.0-bin-hadoop2.7/bin/spark-submit \
--class org.apache.spark.examples.streaming.NetworkWordCount \
--master local[2] \
--deploy-mode client \
./target/scala-2.11/spark-2-streaming-nosuchmethod-arrowassoc-assembly-1.0.jar \
localhost 5555

Answer 1

Spark 作业应该在没有 Scala 运行时间的情况下打包，即，如果您使用 sbt-assembly 进行打包，请添加：assemblyOption in assembly := (assemblyOption in assembly).value.copy(includeScala = false)
我刚刚让我的 SPARK_HOME 环境变量指向 Spark 1.6.2，无论你从哪里运行 spark-submit，都应该正确设置 SPARK_HOME .

包含 sbt-assembly 的 Spark 2.0.0 流作业缺少 Scala 运行时方法

Spark 2.0.0 streaming job packed with sbt-assembly lacks Scala runtime methods

scala

spark-streaming

sbt-assembly