安装 spark-avro答案

【问题标题】：Installing spark-avro安装 spark-avro
【发布时间】：2016-11-17 06:12:42
【问题描述】：

我正在尝试读取 pyspark 中的 avro 文件。从How to read Avro file in PySpark 发现 spark-avro 是最好的方法，但我不知道如何从他们的Github repo 安装它。没有可下载的jar，我自己构建吗？怎么样？

它是在集群上运行的 Spark 1.6 (pyspark)。我没有设置它，所以对配置不太了解，但我有 sudo 访问权限，所以我想我应该能够安装东西。但是这台机器不能直接上网，所以需要手动复制和安装东西。

谢谢。

【问题讨论】：

标签： pyspark spark-avro

【解决方案1】：

您可以在运行pyspark 或spark-submit 时将spark-avro 添加为一个包：https://github.com/databricks/spark-avro#with-spark-shell-or-spark-submit 但这需要驱动程序上的互联网访问（驱动程序随后会将所有文件分发给执行程序）。

如果您在驱动程序上无法访问互联网，则需要将spark-avro 自己构建到一个胖罐子中：

git clone https://github.com/databricks/spark-avro.git
cd spark-avro
# If you are using spark package other than newest, 
# checkout appropriate tag based on table in spark-avro README, 
# for example for spark 1.6:
# git checkout v2.0.1 
./build/sbt assembly

然后使用 pyspark shell 进行测试：

./bin/pyspark --jars ~/git/spark-avro/target/scala-2.11/spark-avro-assembly-3.1.0-SNAPSHOT.jar

>>> spark.range(10).write.format("com.databricks.spark.avro").save("/tmp/output")
>>> spark.read.format("com.databricks.spark.avro").load("/tmp/output").show()
+---+
| id|
+---+
|  7|
|  8|
|  9|
|  2|
|  3|
|  4|
|  0|
|  1|
|  5|
|  6|
+---+

【讨论】：

如何为 spark-avro 构建一个 fat jar？
克隆 spark-avro 存储库并运行 build/sbt assembly
它说'尝试获取 sbt 我们尝试在本地下载 sbt 到 build/sbt-launch-0.13.11.jar 失败。请从scala-sbt.org手动安装sbt`
在连接到互联网的系统上构建 fat jar。然后将文件复制到驱动程序并使用--jars启动spark。
卡在Getting org.scala-sbt sbt 0.13.11 ... downloading https://repo1.maven.org/maven2/org/scala-lang/scala-library/2.10.6/scala-library-2.10.6.jar ... 很长一段时间...否则我的互联网很好

【解决方案2】：

应该可以

wget https://repo1.maven.org/maven2/org/apache/spark/spark-avro_2.11/${SPARK_VERSION}/spark-avro_2.11-${SPARK_VERSION}.jar -P $SPARK_HOME/jars/                                                        

echo spark.executor.extraClassPath $SPARK_HOME/jars/spark-avro_2.11-$SPARK_VERSION.jar >>  /usr/local/spark/conf/spark-defaults.conf                                                                    

echo spark.driver.extraClassPath $SPARK_HOME/jars/spark-avro_2.11-$SPARK_VERSION.jar >>  /usr/local/spark/conf/spark-defaults.conf

【讨论】：