[Spark] 用Maven構建Spark項目時可能出現的問題

至于如何安裝Spark，這個網站寫的很清楚：Apache Spark - Installation (tutorialspoint.com)

另外建議閱讀官方文檔。里面介紹了如何快速構建一個Spark項目。

這里我想Maven來構建一個java項目。在Maven中添加Spark很容易，只需要在dependencies里加入對應的依賴即可。詳細內容可以去mvnrepository查。比如：

    <dependency> <!-- Spark dependency -->
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-sql_2.12</artifactId>
      <version>3.3.1</version>
      <scope>provided</scope>
    </dependency>

可能出現的問題

問題一

Error: Failed to load class WordCount.

這可能是在spark-submit中，--class的參數不對導致的。注意--class的參數需要是一個完整的類名。如果你想要用的class的package是spark_test，那么你就要寫--class spark_test.WordCount而不是--class WordCount

問題二

Error: Failed to load spark_test.WordCount: org/apache/logging/log4j/LogManager

我一開始使用的Spark版本是3.2.3，我想使用log4j2。但是Spark的3.2.x之前的版本使用的都是log4j1。這導致我的log4j2和Spark的log4j1產生沖突。雖然mvn package不會出問題，但在spark-submit時，就會報上面的那個錯誤，無法運行。

解決方法：最簡單的解決辦法就是將Spark升級到3.3.x。3.3版本以后的Spark都使用log4j2，這就直接避免了上面的問題。

如果你偏要同時使用低版本的Spark和log4j2，那外網上應該也有一些解決辦法，只不過不推薦（我也沒看懂）、

問題三

如何在spark-submit中使用第三方庫？

比如，我使用了一個picocli的第三方庫，并且在pom.xml中添加了對應的依賴。這在mvn package時是不會出任何問題的。但是當spark-submit時，就會出現問題：

Exception in thread "main" java.lang.NoClassDefFoundError: picocli/CommandLine

這是因為spark-submit并沒有找到第三方庫的jar包。

解決方法：在官方文檔中已經簡要說明了解決辦法。只需要在maven的編譯過程中，將第三方庫一并編入到生成的jar包中去就好了。具體做法是使用插件，在pom.xml中添加：

  <build>
    <plugins>
      <plugin>
        <artifactId>maven-assembly-plugin</artifactId>
        <configuration>
          <archive>
            <manifest>
              <mainClass>cqzhangyu.spark_test.WordCount</mainClass> <!-- change to your own project name -->
            </manifest>
          </archive>
          <descriptorRefs>
            <descriptorRef>jar-with-dependencies</descriptorRef>
          </descriptorRefs>
        </configuration>
        <executions>
          <execution>
            <id>make-assembly</id> <!-- this is used for inheritance merges -->
            <phase>package</phase> <!-- bind to the packaging phase -->
            <goals>
              <goal>single</goal>
            </goals>
          </execution>
        </executions>
      </plugin>
    </plugins>
  </build>

在spark-submit時，別忘了將jar文件換成生成的xxx-1.0-jar-with-dependencies.jar文件。