pyspark spark-connector 提交参数的jar 包的疑问

提问参考模版:

  • nebula 版本:v2.6.1
  • 部署方式:分布式
  • 安装方式:RPM
  • 是否为线上版本:Y

我用pyspark spark-connector 读取数据,

    spark = SparkSession.builder\
            .config("spark.jars", "path/nebula-spark-connector-2.6.1.jar")\
            .config("hive.metastore.uris", "thrift://**:9083")\
            .enableHiveSupport()\
            .appName("nebula-connector").getOrCreate()

如果spark.jars 写在sparkconf 里面,会报错

Traceback (most recent call last):
  File "nebula_relation_writer.py", line 172, in <module>
    writeEdge(spark, tag, cluster)
  File "nebula_relation_writer.py", line 128, in writeEdge
    .option("writeMode", "insert").save()   # delete to delete edge, update to update edge
  File "/data/yarn/nm/usercache/zhangbl/appcache/application_1657030920107_2794761/container_e37_1657030920107_2794761_02_000001/pyspark.zip/pyspark/sql/readwriter.py", line 734, in save
  File "/data/yarn/nm/usercache/zhangbl/appcache/application_1657030920107_2794761/container_e37_1657030920107_2794761_02_000001/py4j-0.10.7-src.zip/py4j/java_gateway.py", line 1257, in __call__
  File "/data/yarn/nm/usercache/zhangbl/appcache/application_1657030920107_2794761/container_e37_1657030920107_2794761_02_000001/pyspark.zip/pyspark/sql/utils.py", line 63, in deco
  File "/data/yarn/nm/usercache/zhangbl/appcache/application_1657030920107_2794761/container_e37_1657030920107_2794761_02_000001/py4j-0.10.7-src.zip/py4j/protocol.py", line 328, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o116.save.
: java.lang.ClassNotFoundException: Failed to find data source: com.vesoft.nebula.connector.NebulaDataSource. Please find packages at http://spark.apache.org/third-party-projects.html
	at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:657)
	at org.apache.spark.sql.DataFrameWriter.save(DataFrameWriter.scala:244)
	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 py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
	at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
	at py4j.Gateway.invoke(Gateway.java:282)
	at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
	at py4j.commands.CallCommand.execute(CallCommand.java:79)
	at py4j.GatewayConnection.run(GatewayConnection.java:238)
	at java.lang.Thread.run(Thread.java:748)
Caused by: java.lang.ClassNotFoundException: com.vesoft.nebula.connector.NebulaDataSource.DefaultSource
	at java.net.URLClassLoader.findClass(URLClassLoader.java:381)
	at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
	at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
	at org.apache.spark.sql.execution.datasources.DataSource$$anonfun$20$$anonfun$apply$12.apply(DataSource.scala:634)
	at org.apache.spark.sql.execution.datasources.DataSource$$anonfun$20$$anonfun$apply$12.apply(DataSource.scala:634)
	at scala.util.Try$.apply(Try.scala:192)
	at org.apache.spark.sql.execution.datasources.DataSource$$anonfun$20.apply(DataSource.scala:634)
	at org.apache.spark.sql.execution.datasources.DataSource$$anonfun$20.apply(DataSource.scala:634)
	at scala.util.Try.orElse(Try.scala:84)
	at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:634)
	... 12 more

但是如果spark-submit 的时候,用spark.jars 参数则不会报错,请问这个是为什么?我的理解写在sparkconf 里面和提交时参数 应该没有多大区别的?

你写在sparkconf中的代码是以什么模式提交的

也是spark-submit 方式提交的py 文件,指定了py文件路径

ping…

https://stackoverflow.com/questions/27698111/how-to-add-third-party-java-jar-files-for-use-in-pyspark

从这个回答看起来 spark.jars 在 2.4 不支持了

不知道有没有条件用其他方法呢,比如这个环境变量的方式:

我想想,现在的情况是在.py 文件中指定conf(“spark.jars”) 不行,
但是用spark-submit 提交的时候指定spark.jars 是可以工作的。
至于提交的时候指定 --jars 这个参数,没试,因为公司平台做了限制,逻辑上这个应该可以的

1 个赞

是指你任务提交到哪里的,也就是你的 --master 的值是什么,local 还是yarn 还是spark://ip:port/

yarn-cluster 的模式提交的


如果你是提交给yarn的,是需要在spark-submit命令中进行配置你的jars,因为应用程序提交给yarn后 conf里面的配置起不到作用

1 个赞

spark小白一枚,意思是 提交到yarn-cluster 的情况中,sparkConfig 中的配置 不生效吗?
我之前的理解优先级应该是spark config > spark-submit > spark-defaults.conf

此话题已在最后回复的 30 天后被自动关闭。不再允许新回复。