如何使用 --packages 为 spark-submit 指定多个依赖项？

Question

我有以下命令行来启动火花流作业。

    spark-submit --class com.biz.test \
            --packages \
                org.apache.spark:spark-streaming-kafka_2.10:1.3.0 \
                org.apache.hbase:hbase-common:1.0.0 \
                org.apache.hbase:hbase-client:1.0.0 \
                org.apache.hbase:hbase-server:1.0.0 \
                org.json4s:json4s-jackson:3.2.11 \
            ./test-spark_2.10-1.0.8.jar \
            >spark_log 2>&1 &

作业启动失败，出现以下错误：

Exception in thread "main" java.lang.IllegalArgumentException: Given path is malformed: org.apache.hbase:hbase-common:1.0.0
    at org.apache.spark.util.Utils$.resolveURI(Utils.scala:1665)
    at org.apache.spark.deploy.SparkSubmitArguments.parse(SparkSubmitArguments.scala:432)
    at org.apache.spark.deploy.SparkSubmitArguments.parseOpts(SparkSubmitArguments.scala:288)
    at org.apache.spark.deploy.SparkSubmitArguments.<init>(SparkSubmitArguments.scala:87)
    at org.apache.spark.deploy.SparkSubmit$.main(SparkSubmit.scala:105)
    at org.apache.spark.deploy.SparkSubmit.main(SparkSubmit.scala)

我试过删除格式并返回到单行，但这并没有解决问题。我也尝试了很多变体：不同的版本，在 artifactId 的末尾添加 _2.10 等

根据文档 (spark-submit --help)：

The format for the coordinates should be groupId:artifactId:version.

所以我所拥有的应该是有效的并且应该引用 this package。

如果有帮助，我是运行 Cloudera 5.4.4。

我做错了什么？如何正确引用 hbase 包？

Answer 1

包列表应该使用没有空格的逗号分隔（换行应该可以），例如

--packages  org.apache.spark:spark-streaming-kafka_2.10:1.3.0,\
  org.apache.hbase:hbase-common:1.0.0

Answer 2

我发现值得在 spark 版本 3.0.0 中为 mysql 和 postgres

使用 SparkSession

from pyspark.sql import SparkSession
spark = SparkSession.builder.appName('mysql-postgres').config('spark.jars.packages', 'mysql:mysql-connector-java:8.0.20,org.postgresql:postgresql:42.2.16').getOrCreate()

Answer 3

@Mohammad 感谢您的输入。这对我也有用。我必须在单个 sparksession 中加载 Kafka 和 msql 包。我做了这样的事情：

spark = (SparkSession .builder ... .appName('myapp') # Add kafka and msql package .config("spark.jars.packages", "org.apache.spark:spark-sql-kafka-0-10_2.12:3.1.2,mysql:mysql-connector-java:8.0.26") .getOrCreate())

如何使用 --packages 为 spark-submit 指定多个依赖项？

How to specify multiple dependencies using --packages for spark-submit?

hbase

apache-spark

spark-streaming