找不到具有Python类的火花流异常

问题描述

我正在做一个项目，使用Spark Streaming将数据从CSV文件批量加载到HBase。我使用的代码如下(改编自here)：

def bulk_load(rdd):
    conf = {#removed for brevity}

    keyConv = "org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter"
    valueConv = "org.apache.spark.examples.pythonconverters.StringListToPutConverter"

    load_rdd = rdd.flatMap(lambda line: line.split("
"))
                  .flatMap(csv_to_key_value)
    load_rdd.saveAsNewAPIHadoopDataset(conf=conf,keyConverter=keyConv,valueConverter=valueConv)

包括flatMap在内的所有flatMap都正常工作。但是，在尝试执行saveAsNewAPIHadoopDataset时，我收到以下运行时错误：

java.lang.ClassNotFoundException: org.apache.spark.examples.pythonconverters.StringToImmutableBytesWritableConverter

我已经设置PYTHONPATH指向包含这个类(以及我的另一个转换器类)的JAR，但是这似乎并没有改善这种情况。任何建议都将不胜感激。提前谢谢。

---

解决方案

进行了一些挖掘，但以下是解决方案：

JAR不需要像我想的那样添加到PYTHONPATH，而是添加到Spark配置中。我在配置中添加了以下属性(自定义火花-Ambari下的默认设置) spark.driver.extraClassPath和spark.executor.extraClassPath

我在每个罐子中添加了以下罐子：

/usr/hdp/2.3.2.0-2950/spark/lib/spark-examples-1.4.1.2.3.2.0-2950-hadoop2.7.1.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-common-1.1.2.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-client-1.1.2.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-protocol-1.1.2.2.3.2.0-2950.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/guava-12.0.1.jar
/usr/hdp/2.3.2.0-2950/hbase/lib/hbase-server-1.1.2.2.3.2.0-2950.jar

添加这些JAR使Spark能够看到所有必要的文件。