在 Bluemix Apache-Spark 服务上运行的 Spark 应用程序中连接到 postgresql db答案

【问题标题】：Connecting to postgresql db in Spark application running on the Bluemix Apache-Spark service在 Bluemix Apache-Spark 服务上运行的 Spark 应用程序中连接到 postgresql db
【发布时间】：2016-09-07 23:50:41
【问题描述】：

我在使用 spark-submit.sh 脚本在 Bluemix Apache-Spark 服务集群上启动的 Spark 应用程序中连接到我的 postgresql 数据库时遇到问题

我的 scala 文件代码是

val conf = new SparkConf().setAppName("My demo").setMaster("local")
 val sc = new SparkContext(conf)
 val sqlContext = new SQLContext(sc)
 val driver = "org.postgresql.Driver"
 val url = "jdbc:postgresql://aws-us-east-1-portal.16.dblayer.com:10394/tennisdb?user=***&password=***"
 println("create")
 try {
   Class.forName(driver)
   val jdbcDF = sqlContext.read.format("jdbc").options(Map("url" -> url, "driver" -> driver, "dbtable" -> "inputdata")).load()
   jdbcDF.show()
   println("success")
 } catch {
   case e : Throwable => {
     println(e.toString())
     println("Exception");
     }
 }
 sc.stop()

我正在使用 sbt 文件来解决依赖关系。 sbt文件的代码是：

 name := "spark-sample"

 version := "1.0"

 scalaVersion := "2.10.4"

 // Adding spark modules dependencies

 val sparkModules = List("spark-core",
   "spark-streaming",
   "spark-sql",
   "spark-hive",
   "spark-mllib",
   "spark-repl",
   "spark-graphx"
 )

 val sparkDeps = sparkModules.map( module => "org.apache.spark" % s"${module}_2.10" % "1.4.0" )     

 libraryDependencies ++= sparkDeps

 libraryDependencies += "org.postgresql" % "postgresql" % "9.4-1201-jdbc41"

然后我使用 sbt package 命令为我的应用程序创建一个 jar，以便在使用 Bluemix Apache-Spark 服务的集群上运行它。 jar 为我成功创建，应用程序在本地运行，没有任何错误。但是，当我使用 spark-submit.sh 脚本将应用程序提交到 Bluemix Apache-Spark 服务时，我得到了 ClassNotFoundException for org.postgresql.Driver

【问题讨论】：

标签： postgresql scala apache-spark sbt ibm-cloud

【解决方案1】：

另一种简单的方法：- 只需将所有库文件放在应用程序 jar 所在的目录下，然后告诉 spark-submit.sh 查找即可。

charles@localhost tweetoneanalyzer]$ spark-submit --jars $(echo application/*.jar | tr ' ' ',') --class "SparkTweets" --master local[3] application/spark-sample.罐子

在上面的例子中， spark-submit 会将应用程序文件夹下由 --jars 标志指示的所有 jar 上传到服务器，因此您应该在您的情况下放置您将使用的任何库 jar（postgresql-9.1-901-1.jdbc4.jar）并指定您的在后面的参数 application/spark-sample.jar 中运行的应用程序 jar

谢谢，

查尔斯。

【讨论】：

【解决方案2】：

您应该使用 sbt 程序集 来创建 jar 文件以在集群上运行它。

sbt assembly 将为您的项目创建一个胖 JAR，其中包含它的所有依赖项，其中也包括 postgres。

这是一个 CLASSPATH 问题； PostgreSQL JDBC 驱动程序在类加载器尝试加载它时不可用。

在本地它可以工作在类路径中的 postgres jar 中。

【讨论】：

【解决方案3】：

使用命令创建你的程序集 jar 文件

   sbt assembly

确保汇编文件包含 postgresql 驱动程序，如果不包含把你的 postgresql-xxxx.jdbc4.jar 驱动放到你项目的 lib 目录中

  /myproject/lib/postgresql-9.1-901-1.jdbc4.jar

然后重新创建

   sbt assembly

在 hdfs 位置上传你的 jar 文件

 hdfs://assembly/myproject.jar

如果您使用的是 spark 提交，请使用此命令

./bin/spark-submit \
--class <main-class>
--master <master-url> \
hdfs://assembly/myproject.jar \

在你的代码中配置你的 spark conf

val conf = new SparkConf()
.setMaster(sparkMasterUrl
.setJars(Array("hdfs://assembly/myproject.jar"))

并运行您的应用程序

在您的情况下，添加汇编文件，例如 conf.setJars(Array("hdfs://assembly/myproject.jar"))

val conf = new SparkConf().setAppName("My demo").setMaster("local")
conf.setJars(Array("hdfs://assembly/myproject.jar"))
val sc = new SparkContext(conf)
val sqlContext = new SQLContext(sc)
................................

【讨论】：