httpclient 版本与 Apache Spark 冲突

Question

我正在使用 Apache Spark 开发 Java 应用程序。我用这个版本：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.2.2</version>
</dependency>

在我的代码中，有一个过渡依赖：

<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.2</version>
</dependency>

我将我的应用程序打包到一个 JAR 文件中。当使用spark-submit 在 EC2 实例上部署它时，我收到此错误。

Caused by: java.lang.NoSuchFieldError: INSTANCE
    at org.apache.http.conn.ssl.SSLConnectionSocketFactory.<clinit>(SSLConnectionSocketFactory.java:144)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.getPreferredSocketFactory(ApacheConnectionManagerFactory.java:87)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.create(ApacheConnectionManagerFactory.java:65)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.create(ApacheConnectionManagerFactory.java:58)
    at com.amazonaws.http.apache.client.impl.ApacheHttpClientFactory.create(ApacheHttpClientFactory.java:50)
    at com.amazonaws.http.apache.client.impl.ApacheHttpClientFactory.create(ApacheHttpClientFactory.java:38)

此错误清楚地表明SparkSubmit 已加载同一 Apache httpclient 库的旧版本，因此会发生此冲突。

有什么好的方法可以解决这个问题？

由于某种原因，我无法在我的 Java 代码上升级 Spark。但是，我可以轻松地使用 EC2 集群做到这一点。是否可以将我的 java 代码部署在更高版本的集群上，比如 1.6.1 版本？

Answer 1

正如您在帖子中所说，Spark 正在加载旧版本的 httpclient。解决方案是使用 Maven 的 relocation 工具来生成一个整洁的无冲突项目。

这是一个如何在您的 pom.xml 文件中使用它的示例：

<project>
  <!-- Your project definition here, with the groupId, artifactId, and it's dependencies --> 
  <build>
    <plugins>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-shade-plugin</artifactId>
        <version>2.4.3</version>
        <executions>
          <execution>
            <phase>package</phase>
            <goals>
              <goal>shade</goal>
            </goals>
            <configuration>
              <relocations>
                <relocation>
                  <pattern>org.apache.http.client</pattern>
                  <shadedPattern>shaded.org.apache.http.client</shadedPattern>
                </relocation>
              </relocations>
            </configuration>
          </execution>
        </executions>
      </plugin>
    </plugins>
  </build>

</project>

这会将所有文件从org.apache.http.client 移动到shaded.org.apache.http.client，从而解决冲突。

---

原帖：

如果这只是传递依赖的问题，您可以将其添加到您的 spark-core 依赖以排除 Spark 使用的 HttpClient ：

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.2.2</version>
    <scope>provided</scope>
    <exclusions>
        <exclusion>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
        </exclusion>
    </exclusions>
</dependency>

我还在您的依赖项中添加了scope 作为provided，因为它将由您的集群提供。

但是，这可能会影响 Spark 的内部行为。如果在执行此操作后仍然出现错误，您可以尝试使用 Maven 的 relocation 工具，它应该会生成一个整洁的无冲突项目。

关于您无法升级 Spark 版本的事实，您是否使用了来自 mvnrepository 的 this dependency 声明？

Spark 向后兼容，在更高版本的集群上部署作业应该没有任何问题。