从 ammonite 脚本运行时，Spark 无法找到“spark-version-info.properties”

Question

我有一个创建火花上下文的菊石脚本：

#!/usr/local/bin/amm

import ammonite.ops._

import $ivy.`org.apache.spark:spark-core_2.11:2.0.1`

import org.apache.spark.{SparkConf, SparkContext}

@main
def main(): Unit = {
  val sc =  new SparkContext(new SparkConf().setMaster("local[2]").setAppName("Demo"))
}

当我运行这个脚本时，它会抛出一个错误：

Exception in thread "main" java.lang.ExceptionInInitializerError
Caused by: org.apache.spark.SparkException: Error while locating file spark-version-info.properties
...
Caused by: java.lang.NullPointerException
    at java.util.Properties$LineReader.readLine(Properties.java:434)
    at java.util.Properties.load0(Properties.java:353)

脚本不是从 spark 安装目录运行的，也不知道它或打包此版本信息的资源 - 它只知道 ivy 依赖项。所以也许问题是这个资源信息不在常春藤依赖项的类路径上。我看过其他 spark“独立脚本”，所以我希望我能在这里做同样的事情。

---

我探查了一下，试图了解发生了什么。我希望我可以在运行时以编程方式将一些构建信息破解到系统属性中。

异常的来源来自spark库中的package.scala。相关的代码位是

val resourceStream = Thread.currentThread().getContextClassLoader.
  getResourceAsStream("spark-version-info.properties")

try {
  val unknownProp = "<unknown>"
  val props = new Properties()
  props.load(resourceStream) <--- causing a NPE?
  (
    props.getProperty("version", unknownProp),
    // Load some other properties
  )
} catch {
  case npe: NullPointerException =>
    throw new SparkException("Error while locating file spark-version-info.properties", npe)

似乎隐含的假设是，如果在资源中找不到版本信息，props.load 将失败并出现 NPE。 （这对读者来说不是很清楚！）

NPE 本身看起来像是来自java.util.Properties.java 中的这段代码：

class LineReader {
    public LineReader(InputStream inStream) {
        this.inStream = inStream;
        inByteBuf = new byte[8192];
    }

    ...
    InputStream inStream;
    Reader reader;

    int readLine() throws IOException {
      ...
      inLimit = (inStream==null)?reader.read(inCharBuf)
                                :inStream.read(inByteBuf);

LineReader 是用 null InputStream 构造的，该类在内部将其解释为意味着 reader 不为 null，应该使用它来代替 - 但它也是 null。 （这种东西真的在标准库里吗？看起来很不安全……）

---

从spark自带的bin/spark-shell看，它在启动时添加了-Dscala.usejavacp=truespark-submit。这是正确的方向吗？

感谢您的帮助！

Answer 1

以下似乎适用于 2.11 和 1.0.1 版本，但不是实验性的。

可以在 Spark 2.2 上更好地实现

#!/usr/local/bin/amm

import ammonite.ops._
import $ivy.`org.apache.spark:spark-core_2.11:2.2.0` 
import $ivy.`org.apache.spark:spark-sql_2.11:2.2.0`
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark.sql._ 
import org.apache.spark.sql.SparkSession

@main
def main(): Unit = {
    val sc =  new SparkContext(new SparkConf().setMaster("local[2]").setAppName("Demo"))
}

或更多扩展答案：

@main
def main(): Unit = {
    val spark = SparkSession.builder()
      .appName("testings")
      .master("local")
      .config("configuration key", "configuration value")
      .getOrCreate 
  val sqlContext = spark.sqlContext
  val tdf2 = spark.read.option("delimiter", "|").option("header", true).csv("./tst.dat")
  tdf2.show()
}