Spark项目问题记录

问题一，maven打包

spark项目，idea编译器，导入jar包的方式打包没问题，用maven导包之后编译还按照之前的Project Structure方式打包，执行spark-submit报错：Exception in thread “main” java.lang.SecurityException: Invalid signature file digest for Manifest main attributes

Exception in thread "main" java.lang.SecurityException: Invalid signature file digest for Manifest main attributes
        at sun.security.util.SignatureFileVerifier.processImpl(SignatureFileVerifier.java:286)
        at sun.security.util.SignatureFileVerifier.process(SignatureFileVerifier.java:239)
        at java.util.jar.JarVerifier.processEntry(JarVerifier.java:317)
        at java.util.jar.JarVerifier.update(JarVerifier.java:228)
        at java.util.jar.JarFile.initializeVerifier(JarFile.java:348)

可以对打好的jar包执行 zip -d xxx.jar ‘META-INF/.SF’ ‘META-INF/.RSA’ ‘META-INF/*SF’
命令会删除jar包里边的相关文件。
出现这个问题的原因应该是引用的第三方jar包里边有一些证书文件之类的。
当然也可以采用mvn打包的方式，在terminal里边执行mvn clean package
pom相关配置：

<plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.2</version>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                    </execution>
                </executions>
                <configuration>
                    <filters>
                       <filter>
                            <artifact>spark-streaming-twitter_2.10:spark-streaming-twitter_2.10</artifact>
                            <includes>
                                <include>**</include>
                            </includes>
                        </filter>
                        <filter>
                            <artifact>*:*</artifact>
                            <excludes>
                                <exclude>META-INF/*.SF</exclude>
                                <exclude>META-INF/*.DSA</exclude>
                                <exclude>META-INF/*.RSA</exclude>
                                <exclude>META-INF/*.MF</exclude>
                                <exclude>junit:junit</exclude>
                                <exclude>org.apache.maven:lib:tests</exclude>
                            </excludes>
                        </filter>
                    </filters>
                </configuration>
            </plugin>

问题二，sbt打包

直接用sbt package只会将程序打包，而依赖的jar包不会包含到同一个jar包中，可以使用sbt-assembly插件，他的作用可以把依赖包都打到一个jar文件中（Fat jar）
可以参考：
http://todu.top/spark/sbt-idea-%E5%85%A5%E9%97%A8%E5%8F%8A%E9%85%8D%E7%BD%AE/
他的排版我觉得不好看，可以查看转载版：
http://blog.csdn.net/x1066988452/article/details/51672660
不过里边有个问题他说的不对：关于assemblyPackageDependency，我不知道他有没有把打好的包运行成功，不过git上明明写着：

To make a JAR file containing only the external dependencies, type 
>assemblyPackageDependency

也就是只包含依赖包，不会包含你的代码，我试了一下，可以把和jar包同一个路径下边的classes里边的文件夹直接拷到jar包里边，可以运行。我觉得可以用assemblyPackageDependency把依赖包打好了，然后用sbt clean package只打程序包，在spark-submit时引用dependency，这样dependency不需要动，每次打包比较小。
或者这样可以这样打包：

sbt clean assembly

他会把所有依赖和你自己写的代码都放到一个jar包中。

问题三，textFile读文件

textFile（path1/*）的方式会吧path1路径下边的文件都读到rdd中，但是如果path1是个空路径，接着向下执行到action算子时会报错，可以判断一下path1下边大小

val conf = new Configuration()
val fileSystem = FileSystem.get(conf)
fileSystem.getContentSummary(new Path(path)).getLength

fileSystem.getFileStatus(new Path(path)).getLen
可以得到文件的大小，如果是目录会得到0