spark使用本地local模式时pom.xml的配置

1、本地local模式启动SparkSession

我写了个脚本做使用本地local模式启动SparkSession，想做个简单的代码测试，如下：

//in scala
package com.Toby.Gao
import org.apache.spark.sql.SparkSession

object Test {
  def main(args:Array[String]){
    val spark = SparkSession
                .builder()
                .master("local[2]")
                .enableHiveSupport()
                .appName("Test")
                .getOrCreate()

    spark.createDataFrame(
      Seq((1,"Hello world"),
          (2,"Toby Gao")
         )).toDF("id","words").show()
   }
}

2、报错提示

但是报了这样的错误：

Connected to the target VM, address: '127.0.0.1:64367', transport: 'socket'
Exception in thread "main" java.lang.NoClassDefFoundError: scala/reflect/api/TypeCreator
 at com.Toby.Gao.Test.main(Test.scala)
Caused by: java.lang.ClassNotFoundException: scala.reflect.api.TypeCreator
 at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
 at java.lang.ClassLoader.loadClass(ClassLoader.java:418)
 at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:355)
 at java.lang.ClassLoader.loadClass(ClassLoader.java:351)
 ... 1 more
Disconnected from the target VM, address: '127.0.0.1:64367', transport: 'socket'

我完全不知道这是什么错误，网上也查不到有相同错误的。

问了周围同事才知道这是spark启动本地模式的时候，需要的一些依赖需要自己在pom文件中配置下才行，否则它找不到Class、Def 自然就无法启动。

3、那么我们要如何解决这个问题呢？要在POM文件中配置什么呢？

我们需要在pom.xml文件中配置下如下依赖：

（1）spark-core的版本

（2）spark-sql的版本

（3）spark-hive的版本

（4）jackson-module-scala的版本

（5）hadoop-mapreduce-client-core

（6）hadoop-common的版本

对应的配置方法为在  <dependencies>...</dependencies> 中添加下列依赖：

 <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_${spark.version.scala}</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_${spark.version.scala}</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive_${spark.version.scala}</artifactId>
        </dependency>
        <dependency>
            <groupId>com.fasterxml.jackson.module</groupId>
            <artifactId>jackson-module-scala_${spark.version.scala}</artifactId>
            <version>2.9.8</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>2.7.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.2</version>
        </dependency>

...
</dependencies>

注意：这里我引用了一个变量 ${spark.version.scala}。为了使这个变量生效，我们还需要在<properties>中配置下。

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <common.data.master.version>2.0.0-SNAPSHOT</common.data.master.version>
        <spark.version.scala>2.11</spark.version.scala>
   </properties>

当然如果你嫌麻烦，你可以直接用scala版本2.11 填到上面需要版本的地方，这样就不用在<properties>中配置了。

4、问题解决

POM文件中配置完上面的依赖后，就可以启动SparkSession进行运算了。

下面的运行日志截图中红色的部分是启动SparkSession时产生的日志，下面的DF是结果。