在sbt中，如何指定spark依赖的hadoop版本？

Question

我有一个使用 spark 和 spark sql 的 sbt 项目，但我的集群使用 hadoop 1.0.4 和 spark 1.2 以及 spark-sql 1.2，目前我的 build.sbt看起来像这样：

libraryDependencies ++= Seq(
    "com.datastax.cassandra" % "cassandra-driver-core" % "2.1.5",
    "com.datastax.cassandra" % "cassandra-driver-mapping" % "2.1.5",
    "com.datastax.spark" % "spark-cassandra-connector_2.10" % "1.2.1",
    "org.apache.spark" % "spark-core_2.10" % "1.2.1",
    "org.apache.spark" % "spark-sql_2.10" % "1.2.1",
)

事实证明我是运行 hadoop 2.2.0 的应用程序，但我希望在我的依赖项中看到 hadoop-*-1.0.4。请问我该怎么办？

Answer 1

您可以排除 Spark 对 hadoop 的依赖，并添加一个具有您需要的版本的显式依赖，大致如下：

libraryDependencies ++= Seq(
    "com.datastax.cassandra" % "cassandra-driver-core" % "2.1.5",
    "com.datastax.cassandra" % "cassandra-driver-mapping" % "2.1.5",
    "com.datastax.spark" % "spark-cassandra-connector" %% "1.2.1",
    "org.apache.spark" % "spark-sql_2.10" % "1.2.1" excludeAll(
         ExclusionRule("org.apache.hadoop")
    ),
    "org.apache.hadoop" % "hadoop-client" % "2.2.0"
)

你可能不需要 spark-core 的依赖，因为 spark-sql 应该传递给你。

此外，请注意 spark-cassandra-connector 可能还依赖于 spark，它可能会再次传递回 hadoop => 您可能还需要在那里添加排除规则。

最后说明：一个很好的工具，用于调查哪个依赖来自哪里 https://github.com/jrudolph/sbt-dependency-graph

在sbt中，如何指定spark依赖的hadoop版本？

In sbt, how can we specify the version of hadoop on which spark depends?

scala

sbt

apache-spark