相关疑难解决方法(0)

我想我遇到了 jar 不兼容的问题。我使用以下 jar 文件来构建 Spark 集群：

1. Spark-2.4.7-bin-hadoop2.7.tgz
2. aws-java-sdk-1.11.885.jar
3. hadoop：hadoop-aws-2.7.4.jar

from pyspark.sql import SparkSession, SQLContext
from pyspark.sql.types import *
from pyspark.sql.functions import *
import sys

spark = (SparkSession.builder
         .appName("AuthorsAges")
         .appName('SparkCassandraApp')
         .getOrCreate())


spark._jsc.hadoopConfiguration().set("fs.s3a.access.key", "access-key")
spark._jsc.hadoopConfiguration().set("fs.s3a.secret.key", "secret-key")
spark._jsc.hadoopConfiguration().set("fs.s3a.impl","org.apache.hadoop.fs.s3a.S3AFileSystem")
spark._jsc.hadoopConfiguration().set("com.amazonaws.services.s3.enableV4", "true")
spark._jsc.hadoopConfiguration().set("fs.s3a.aws.credentials.provider","org.apache.hadoop.fs.s3a.BasicAWSCredentialsProvider")
spark._jsc.hadoopConfiguration().set("fs.s3a.endpoint", "")


input_file='s3a://spark-test-data/Fire_Department_Calls_for_Service.csv'

file_schema = StructType([StructField("Call_Number",StringType(),True),
        StructField("Unit_ID",StringType(),True),
        StructField("Incident_Number",StringType(),True),
...
...
# Read file into a Spark DataFrame
input_df = (spark.read.format("csv") \
            .option("header", "true") \
            .schema(file_schema) \
            .load(input_file))

当代码开始执行spark.read.format时失败。似乎找不到该类。java.lang.NoClassDefFoundError：com/amazonaws/AmazonServiceException。

我的spark-defaults.conf配置如下：

spark.jars.packages                com.amazonaws:aws-java-sdk:1.11.885,org.apache.hadoop:hadoop-aws:2.7.4

如果有人能帮助我，我将不胜感激。有任何想法吗？

Traceback (most recent call last):
  File "<stdin>", line 5, …

我在 EKS 上运行 Jupyterhub，并希望利用 EKS IRSA 功能在 K8s 上运行 Spark 工作负载。我之前有使用 Kube2IAM 的经验，但现在我计划转向 IRSA。

此错误不是由于 IRSA 造成的，因为服务帐户已完美附加到 Driver 和 Executor Pod，并且我可以通过 CLI 和 SDK 从两者访问 S3。此问题与在 Spark 3.0/ Hadoop 3.2 上使用 Spark 访问 S3 有关

Py4JJavaError：调用 None.org.apache.spark.api.java.JavaSparkContext 时发生错误。：java.lang.NoClassDefFoundError：com/amazonaws/services/s3/model/MultiObjectDeleteException

我正在使用以下版本 -

• APACHE_SPARK_VERSION=3.0.1
• HADOOP_VERSION=3.2
• aws-java-sdk-1.11.890
• hadoop-aws-3.2.0
• Python 3.7.3

我也用不同的版本进行了测试。

• aws-java-sdk-1.11.563.jar

如果有人遇到过这个问题，请帮忙提供解决方案。

PS：这也不是 IAM 策略错误，因为 IAM 策略完全没问题。