使用 SBT 制作 Spark Fat Jar 的正确方法

Question

我需要一个带有 Spark 的 Fat Jar，因为我正在为 Knime 创建一个自定义节点。基本上它是一个在 Knime 内部执行的独立 jar，我认为 Fat Jar 是生成本地 Spark Job 的唯一方法。最终我们将继续向远程集群提交作业，但现在我需要它以这种方式生成。

也就是说，我用这个做了一个 Fat Jar：https://github.com/sbt/sbt-assembly

我创建了一个空的 sbt 项目，在依赖项中包含 Spark-core 并组装了 Jar。我将它添加到我的自定义 Knime 节点的清单中，并尝试生成一个简单的作业（并行化集合，收集并打印它）。它开始了，但我收到了这个错误：

未找到密钥“akka.version”的配置设置

我不知道如何解决它。

编辑：这是我的 build.sbt

name := "SparkFatJar"

version := "1.0"

scalaVersion := "2.11.6"

libraryDependencies ++= Seq(
  "org.apache.spark" %% "spark-core" % "1.3.0"
)


libraryDependencies +=  "com.typesafe.akka" %% "akka-actor" % "2.3.8"

assemblyJarName in assembly := "SparkFatJar.jar"

assemblyMergeStrategy in assembly := {
  case PathList("META-INF", xs @ _*) => MergeStrategy.discard
  case x => MergeStrategy.first
}

我在 Internet 上的某个地方找到了 Spark 的这种合并策略，但我现在找不到源。

Answer 1

我认为问题在于您如何设置 assemblyMergeStrategy。试试这个：

assemblyMergeStrategy in assembly := {
  case PathList("META-INF", xs @ _*) => MergeStrategy.discard
  case "application.conf"            => MergeStrategy.concat
  case "reference.conf"              => MergeStrategy.concat
  case x =>
    val baseStrategy = (assemblyMergeStrategy in assembly).value
    baseStrategy(x)
}