Spark任务提交jar包依赖解决方案

通常我们将spark任务编写后打包成jar包，使用spark-submit进行提交，因为spark是分布式任务，如果运行机器上没有对应的依赖jar文件就会报ClassNotFound的错误。 
下面有三个解决方法：

方法一：spark-submit –jars

根据spark官网，在提交任务的时候指定–jars，用逗号分开。这样做的缺点是每次都要指定jar包，如果jar包少的话可以这么做，但是如果多的话会很麻烦。

spark-submit --master yarn-client --jars ***.jar,***.jar(你的jar包，用逗号分隔) mysparksubmit.jar
 
 
1
 
 
1

如果你使用了sbt的话，并且在build.sbt中配置好了依赖并下载完成，那么你可以直接去用户home目录下的.ivy/cache/中拷贝你的jar需要的jar包

方法二：extraClassPath

提交时在spark-default中设定参数，将所有需要的jar包考到一个文件里，然后在参数中指定该目录就可以了，较上一个方便很多：

spark.executor.extraClassPath=/home/hadoop/wzq_workspace/lib/*
spark.driver.extraClassPath=/home/hadoop/wzq_workspace/lib/*
 
 
1
2
 
 
1
2

需要注意的是,你要在所有可能运行spark任务的机器上保证该目录存在，并且将jar包考到所有机器上。这样做的好处是提交代码的时候不用再写一长串jar了，缺点是要把所有的jar包都拷一遍。

方法三：sbt-assembly

如果你还是觉得第二种麻烦，这种方法是将所有依赖的jar包包括你写的代码全部打包在一起（fat-jar）。在项目根目录输入sbt，键入plugins，发现assembly并没有默认安装，因此我们要为sbt安装sbt-assembly插件。 
在你的项目目录中project/plugins.sbt中添加

addSbtPlugin("com.eed3si9n" % "sbt-assembly" % "0.13.0")

resolvers += Resolver.url("bintray-sbt-plugins", url("http://dl.bintray.com/sbt/sbt-plugin-releases"))(Resolver.ivyStylePatterns)
 
 
1
2
3
 
 
1
2
3

然后我们再根目录键入sbt，然后使用plugins查看plugins,如果看到有sbtassembly.AssemblePlugin，说明你的插件就安成功了： 
 
还要设置下冲突解决，然后再在sbt交互命令行下使用assembly就可以了。这种方法打包后会使得jar包很大。