Apache Beam程序向导4

花花世界蕾

Apache Beam程序向导4
今天在集群上实验Beam On Spark的时候，遇到一个坑爹的问题，这个问题总结起来是一个java.lang.NoClassDefFoundError
错误，具体错误如下图1所示

　　

图1 错误提示

该错误提示SparkStreamingContext没有定义，这说明java虚拟机加载进来了SparkStreamingContext，也就是相应的代码包已经导入进来了，这个阶段没有什么问题。接下来就得看看是不是代码包版本不合适。
我的maven依赖如下图2所示

图2 Maven依赖包

于是我在各种尝试之后，终于找到了一种有希望的解决方案，那就是将spark的版本2.1.0改为1.6.3版本。
修改后状况如下：

图3 本地运行成功

这里看似成功了，但是这只是在本机测试的时候有了Beam On Spark的运行测试结果。至于在Spark集群中能否跑起来，我们还要按照官方提供的方法生成对应的jar包，并通过Spark-submit提交的方式提交到yarn集群中去通过yarn来调度运行。这种情况下运行成功了，那才叫真正的成功。所以现在还不是高兴的时候，那么接下来我们就开始继续接下来的实验吧。
首先应该在maven的pom.xml文件中加入以下对shade的构建依赖
（该部分加入到根节点的build节点的plugins节点之中

            
   
            

）


  org.apache.maven.plugins
  maven-shade-plugin
  
    false
   
      
        *:*
        
          META-INF/*.SF
          META-INF/*.DSA
          META-INF/*.RSA
        
      
   
  
  
   
      package
      
        shade
      
      
        true
        shaded
      
   
  


首先将项目打包拷贝到提交应用的那台机器上并解压。
如果已经安装好了maven的环境了的话，就直接在解压之后的根目录下执行如下命令
mvnpackage
然后就等着编译结束
…………………..
如下图所示，编译成功后的jar包就在target目录下



以spark提交jar包的方式提交，提交的脚本如下：

${SPARK_HOME}/bin/./spark-submit\                        
--class org.tongfang.beam.examples.WordCount \##指定要运行的类，全路径+类名
--master yarn \ ##提交给yarn调度
--deploy-mode cluster \##集群模式运行
/home/ubuntu/shaded/target/shaded-1.0.0-shaded.jar##指定jar包路径
给脚本添加可执行权限之后就可以开始运行了：

经过一会儿等待之后就成功了，如下图所示：



文章来自数模堂，如需更多交流，请扫描关注