spark-submit --jars pseudo cluster 的jar依赖准备

本地hadoop环境提交job时经常碰到一大堆依赖需要引入的问题，又不想全部把依赖打包到代码里发布，比较好的选择则是 spark-submit --jar 选项。jar比较少的时候手动复制黏贴方式比较方便，jar依赖比较多时就很麻烦。于是想弄个脚本一步搞定，就有了下面的代码：

 

1. build.gradle里添加任务 sparkJars

/**
 * write spark --jar files into a file to use when spark-submitting.
 */
task sparkJars () {
    def jarsFile = new File(System.getProperty("user.home"), "sparkJars.txt")

    System.out.println("sparkJarsFile: " + jarsFile.absolutePath)

    if (jarsFile.exists()){
        jarsFile.delete()
    }

    def printWriter = jarsFile.newPrintWriter()

    configurations.default.collect {
        // skip lombok
        if (it.isFile() && ! it.name.contains("lombok")) {
            printWriter.println(it.absolutePath)
        }
    }

    printWriter.close()
} 

把本地文件的绝对路径写到/home/user/sparkJars.txt文件中。

 

2. 编写脚本submit-job.sh

#!/bin/sh

# write dependency jar path into sparkJar file
`../gradlew sparkJars`

CLASS_PATH=""
# create spark class path
for jar in `cat ~/sparkJars.txt`; do
CLASS_PATH="$CLASS_PATH","$jar";
done

MAIN_CLASS="com.my.detection.OrderDetectionStreaming"
JAVA_CMD="spark-submit --master yarn  --deploy-mode cluster --class $MAIN_CLASS  --jars $CLASS_PATH --conf 'spark.driver.extraJavaOptions=-Dspring.profiles.active=develop' --conf 'spark.executor.extraJavaOptions=-Dspring.profiles.active=develop' build/libs/rule-engine-0.0.1-SNAPSHOT.jar"
echo $JAVA_CMD
eval $JAVA_CMD

 

这里的脚本就是把sparkJars.txt里的内容用个逗号拼接起来，然后在spark-submit --jar 方式提交到spark driver 上。这样依赖就可以冲driver上分发下去，直接运行程序了。