如何使用spark-avro包从spark-shell读取avro文件？

Question

我正在尝试使用《Apache Avro数据源指南》中spark-avro所述的软件包。

当我提交以下命令时：

val df = spark.read.format("avro").load("~/foo.avro")

我收到一个错误：

java.util.ServiceConfigurationError: org.apache.spark.sql.sources.DataSourceRegister: Provider org.apache.spark.sql.avro.AvroFileFormat could not be instantiated
  at java.util.ServiceLoader.fail(ServiceLoader.java:232)
  at java.util.ServiceLoader.access$100(ServiceLoader.java:185)
  at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:384)
  at java.util.ServiceLoader$LazyIterator.next(ServiceLoader.java:404)
  at java.util.ServiceLoader$1.next(ServiceLoader.java:480)
  at scala.collection.convert.Wrappers$JIteratorWrapper.next(Wrappers.scala:43)
  at scala.collection.Iterator$class.foreach(Iterator.scala:891)
  at scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
  at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
  at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
  at scala.collection.TraversableLike$class.filterImpl(TraversableLike.scala:247)
  at scala.collection.TraversableLike$class.filter(TraversableLike.scala:259)
  at scala.collection.AbstractTraversable.filter(Traversable.scala:104)
  at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:630)
  at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:194)
  at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:178)
  ... 49 elided
Caused by: java.lang.NoSuchMethodError: org.apache.spark.sql.execution.datasources.FileFormat.$init$(Lorg/apache/spark/sql/execution/datasources/FileFormat;)V
  at org.apache.spark.sql.avro.AvroFileFormat.<init>(AvroFileFormat.scala:44)
  at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
  at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
  at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
  at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
  at java.lang.Class.newInstance(Class.java:442)
  at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:380)
  ... 62 more

我已经尝试过该org.apache.spark:spark-avro_2.12:2.4.0软件包的不同版本（2.4.0、2.4.1和2.4.2），并且我目前使用的是Spark 2.4.1，但都没有用。

我使用以下命令启动spark-shell：

spark-shell --packages org.apache.spark:spark-avro_2.12:2.4.0

Answer 1

tl; dr 因为Spark 2.4.x +为读取和写入Apache Avro数据提供了内置支持，但是spark-avro模块是外部的，并且默认情况下不包含在spark-submit或spark-shell中，因此您应确保使用同样的斯卡拉版本（如2.12）的spark-shell和--packages。

出现异常的原因是，您使用的spark-shell是针对Scala 2.11.12构建的Spark，同时--packages使用Scala 2.12（在中org.apache.spark:spark-avro_2.12:2.4.0）指定了依赖项。

使用--packages org.apache.spark:spark-avro_2.11:2.4.0，你应该没事。