Dataproc Spark 3.1 中的 Sqoop 和 Avro 依赖问题

Question

我正在 GCP Dataproc 中从 spark 2.4.7 升级到 spark 3.1。我正在执行 sqoop import 并将数据加载到 Parquet 文件。代码在 Spark 2.4.7 版本上运行没问题，但在 Spark 3.1 中出现以下错误。

2021-01-29 10:57:25,383 ERROR sqoop.Sqoop: Got exception running Sqoop: org.apache.avro.AvroRuntimeException: Unknown datum class: class org.codehaus.jackson.node.NullNode
org.apache.avro.AvroRuntimeException: Unknown datum class: class org.codehaus.jackson.node.NullNode
    at org.apache.avro.util.internal.JacksonUtils.toJson(JacksonUtils.java:87)
    at org.apache.avro.util.internal.JacksonUtils.toJsonNode(JacksonUtils.java:48)
    at org.apache.avro.Schema$Field.<init>(Schema.java:558)
    at org.apache.sqoop.orm.AvroSchemaGenerator.generate(AvroSchemaGenerator.java:100)
    at org.apache.sqoop.mapreduce.DataDrivenImportJob.generateAvroSchema(DataDrivenImportJob.java:131)
    at org.apache.sqoop.mapreduce.DataDrivenImportJob.configureMapper(DataDrivenImportJob.java:116)
    at org.apache.sqoop.mapreduce.ImportJobBase.runImport(ImportJobBase.java:266)
    at org.apache.sqoop.manager.SqlManager.importQuery(SqlManager.java:747)
    at org.apache.sqoop.tool.ImportTool.importTable(ImportTool.java:536)
    at org.apache.sqoop.tool.ImportTool.run(ImportTool.java:633)
    at org.apache.sqoop.Sqoop.run(Sqoop.java:146)
    at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:76)
    at org.apache.sqoop.Sqoop.runSqoop(Sqoop.java:182)
    at org.apache.sqoop.Sqoop.runTool(Sqoop.java:233)
    at org.apache.sqoop.Sqoop.runTool(Sqoop.java:242)
    at org.apache.sqoop.Sqoop.main(Sqoop.java:251)

我尝试将 Sqoop 依赖项 jar 从旧版本替换为新版本，但问题仍然存在。我找不到解决这个问题的方法。

安装 Sqoop 1.5.0-SNAPSHOT 版本时是否存在 GCP Dataproc 依赖性问题？

Answer 1

此异常是由 SQOOP-3485 问题引起的。我们将在 2 周后的 Dataproc 2.0 映像中修复它。

同时，您可以尝试通过将 org.codehaus.jackson:jackson-mapper-asl:1.9.13 jar 添加到 Sqoop and/or 您的应用程序类路径来解决此问题。

Dataproc Spark 3.1 中的 Sqoop 和 Avro 依赖问题

Sqoop and Avro depedency issue in Dataproc Spark 3.1

java

avro

sqoop

google-cloud-dataproc