【问题标题】:Pyspark s3 error : java.lang.NoClassDefFoundError: com/amazonaws/AmazonServiceExceptionPyspark s3 错误:java.lang.NoClassDefFoundError: com/amazonaws/AmazonServiceException
【发布时间】:2021-02-09 07:41:35
【问题描述】:

我想我遇到了 jar 不兼容问题。我正在使用以下 jar 文件来构建 Spark 集群:

  1. spark-2.4.7-bin-hadoop2.7.tgz
  2. aws-java-sdk-1.11.885.jar
  3. hadoop:hadoop-aws-2.7.4.jar
from pyspark.sql import SparkSession, SQLContext
from pyspark.sql.types import *
from pyspark.sql.functions import *
import sys

spark = (SparkSession.builder
         .appName("AuthorsAges")
         .appName('SparkCassandraApp')
         .getOrCreate())


spark._jsc.hadoopConfiguration().set("fs.s3a.access.key", "access-key")
spark._jsc.hadoopConfiguration().set("fs.s3a.secret.key", "secret-key")
spark._jsc.hadoopConfiguration().set("fs.s3a.impl","org.apache.hadoop.fs.s3a.S3AFileSystem")
spark._jsc.hadoopConfiguration().set("com.amazonaws.services.s3.enableV4", "true")
spark._jsc.hadoopConfiguration().set("fs.s3a.aws.credentials.provider","org.apache.hadoop.fs.s3a.BasicAWSCredentialsProvider")
spark._jsc.hadoopConfiguration().set("fs.s3a.endpoint", "")


input_file='s3a://spark-test-data/Fire_Department_Calls_for_Service.csv'

file_schema = StructType([StructField("Call_Number",StringType(),True),
        StructField("Unit_ID",StringType(),True),
        StructField("Incident_Number",StringType(),True),
...
...
# Read file into a Spark DataFrame
input_df = (spark.read.format("csv") \
            .option("header", "true") \
            .schema(file_schema) \
            .load(input_file))

代码在开始执行 spark.read.format 时失败。似乎找不到类。 java.lang.NoClassDefFoundError: com/amazonaws/AmazonServiceException。

我的 spark-defaults.conf 配置如下:

spark.jars.packages                com.amazonaws:aws-java-sdk:1.11.885,org.apache.hadoop:hadoop-aws:2.7.4

如果有人可以帮助我,我将不胜感激。有什么想法吗?

Traceback (most recent call last):
  File "<stdin>", line 5, in <module>
  File "/usr/local/spark/spark-3.0.1-bin-hadoop2.7/python/pyspark/sql/readwriter.py", line 178, in load
    return self._df(self._jreader.load(path))
  File "/usr/local/lib/python3.6/site-packages/py4j/java_gateway.py", line 1305, in __call__
    answer, self.gateway_client, self.target_id, self.name)
  File "/usr/local/spark/spark-3.0.1-bin-hadoop2.7/python/pyspark/sql/utils.py", line 128, in deco
    return f(*a, **kw)
  File "/usr/local/lib/python3.6/site-packages/py4j/protocol.py", line 328, in get_return_value
    format(target_id, ".", name), value)
py4j.protocol.Py4JJavaError: An error occurred while calling o51.load.
: java.lang.NoClassDefFoundError: com/amazonaws/AmazonServiceException
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:348)
    at org.apache.hadoop.conf.Configuration.getClassByNameOrNull(Configuration.java:2134)
    at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:2099)
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:2195)
    at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2654)
    at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2667)
    at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)
    at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2703)
    at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2685)
    at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:373)
    at org.apache.hadoop.fs.Path.getFileSystem(Path.java:295)
    at org.apache.spark.sql.execution.streaming.FileStreamSink$.hasMetadata(FileStreamSink.scala:46)
    at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:366)
    at org.apache.spark.sql.DataFrameReader.loadV1Source(DataFrameReader.scala:297)
    at org.apache.spark.sql.DataFrameReader.$anonfun$load$2(DataFrameReader.scala:286)
    at scala.Option.getOrElse(Option.scala:189)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:286)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:232)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:282)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)
Caused by: java.lang.ClassNotFoundException: com.amazonaws.AmazonServiceException
    at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:418)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:352)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:351)
    ... 30 more

【问题讨论】:

    标签: amazon-web-services apache-spark amazon-s3 pyspark


    【解决方案1】:

    hadoop-aws 2.7.4 使用 aws-java-sdk 1.7.4 与较新版本不完全兼容,因此如果您使用较新版本的 aws-java-sdk,则 Hadoop 找不到所需的类.您有以下选择:

    • 删除对 aws-java-sdk 的显式依赖 - 如果您不需要更新的功能
    • 使用 hadoop-3.1 配置文件将 Spark 2.4 与 Hadoop 3 一起编译,如文档中所述
    • 切换到已使用 Hadoop 3.2 构建的版本的 Spark 3.0.x

    【讨论】:

    • 我遵循了选项 3,还使用了 hadoop-aws-3.2.0.jar 和 aws-java-sdk-1.11.887.jar。也升级到 python 3.8.6,但我在 com.amazonaws.services.s3.model.MultiObjectDeleteException 上得到了不同的 NoClassDefFoundError。我开了一个新的:stackoverflow.com/questions/64563127/…
    • Aws sdk 通常在版本之间不兼容二进制。为什么需要这个特定版本?
    • 不具体。我没有想法,所以我尝试使用所有最新版本,希望它能解决它。老实说,我可以使用任何版本的 jar,只要它能够实现我需要做的就是使用带有 python 3.x 的 pyspark 读取 s3 文件。哪些版本的 jars 适合您?
    • Hadoop-aws 应该具有所有必要的依赖项。较新的 Hadoop 版本通常仅用于特定的新功能,例如自定义加密密钥等。
    • 所以我清理了所有内容并重新安装了以下版本的 jar 并且它工作正常:hadoop-aws-2.7.4.jar、aws-java-sdk-1.7.4.2.jar。 Spark 安装版本:spark-2.4.7-bin-hadoop2.7。 Python 版本:Python 3.8.6。谢谢你的帮助!!!
    【解决方案2】:

    我遇到了同样的问题,感谢https://notadatascientist.com/running-apache-spark-and-s3-locally/,我能够解决它

    要遵循的步骤:

    1. 检查使用 spark 安装的 hadoop 版本(在晶石罐中)
    2. 下载 hadoop-aws jar 与相同版本的 hadoop。
    3. 下载aws-java-sdk jar(检查时使用的是哪个版本 hadoop-aws 已开发)

    【讨论】:

      猜你喜欢
      • 2019-11-25
      • 1970-01-01
      • 2021-02-10
      • 1970-01-01
      • 2023-03-03
      • 2021-02-13
      • 1970-01-01
      • 1970-01-01
      • 1970-01-01
      相关资源
      最近更新 更多