从EMR中的Spark默认类路径中删除JAR

Question

我在EMR步骤中执行一个spark-submit脚本，它将我的超级JAR作为主类，如下所示

  spark-submit \
    ....
    --class ${MY_CLASS} "${SUPER_JAR_S3_PATH}"

..。等

但是Spark默认加载JAR文件:/usr/lib/spark/jars/Guice-3.0.jar，其中包含com.google.inject.internal.InjectorImpl，这个类也在我的超级jar中的Guice-4.x jar中。这会在我的服务启动时产生一个java.lang.IllegalAccessError。

我尝试在spark-submit中设置一些Spark conf，将我的超级jar放在类路径中，希望在Spark加载guice-3.0.jar之前先加载它。看起来是这样的：

--jars "${ASSEMBLY_JAR_S3_PATH}" \
 --driver-class-path "/etc/hadoop/conf:/etc/hive/conf:/usr/lib/hadoop-lzo/lib/*:/usr/share/aws/aws-java-sdk/*:/usr/share/aws/emr/emrfs/conf:/usr/share/aws/emr/emrfs/lib/*:/usr/share/aws/emr/emrfs/auxlib/*:${SUPER_JAR_S3_PATH}" \
 --conf spark.executor.extraClassPath="/etc/hadoop/conf:/etc/hive/conf:/usr/lib/hadoop-lzo/lib/*:/usr/share/aws/aws-java-sdk/*:/usr/share/aws/emr/emrfs/conf:/usr/share/aws/emr/emrfs/lib/*:/usr/share/aws/emr/emrfs/auxlib/*:${SUPER_JAR_S3_PATH}" \

但这会导致相同的错误。

有没有办法从默认的spark类路径中删除该guice-3.0.jar，以便我的代码可以使用打包在Guice-4.x JAR中的InjectorImpl？我还在客户端模式下运行Spark，所以我不能使用spark.driver.userClassPathFirst或spark.executor.userClassPathFirst

Answer 1

一种方法是指向您的guice旧版本jar所在的lib，然后将其排除。

spark-submit的示例shell脚本：

export latestguicejar='your path to latest guice jar'

   #!/bin/sh
    # build all other dependent jars in OTHER_JARS

JARS=`find /usr/lib/spark/jars/ -name '*.jar'`
OTHER_JARS=""
   for eachjarinlib in $JARS ; do    
if [ "$eachjarinlib" != "guice-3.0.jar" ]; then
       OTHER_JARS=$eachjarinlib,$OTHER_JARS
fi
done
echo ---final list of jars are : $OTHER_JARS
echo $CLASSPATH

spark-submit --verbose --class <yourclass>
... OTHER OPTIONS
--jars $OTHER_JARS,$latestguicejar,APPLICATIONJARTOBEADDEDSEPERATELY.JAR

另请参阅holdens answer。检查你的spark版本，看看有什么可用的。

根据文档，spark的最新版本中包含runtime-environment userClassPathFirst。

spark.executor.userClassPathFirst

spark.driver.userClassPathFirst

要使用它，您可以使用所有应用程序级别的依赖项来创建uber jar。