如何在 EMR 上使用 Spark 3 为 Scala 对象解决“加载类失败”

Question

我正在尝试构建一个简单的基于 Scala 的 Spark 应用程序并在 EMR 中运行它，但是当我运行它时，我得到了Error: Failed to load class: com.myorganization.MyScalaObj。我的 Scala 文件是：

package com.myorganization

import org.apache.spark.sql.SparkSession

object MyScalaObj extends App {
  val spark = SparkSession.builder()
    .master(("local[*]"))
    .appName("myTestApp")
    .getOrCreate()

  val df = spark.read.csv("s3://my_bucket/foo.csv")
  df.write.parquet("s3://my_bucket/foo.parquet")
}

在现有的 build.sbt 文件中，我添加了几行内容，包括 Scala 版本、Spark 库依赖项和 mainClass（我从 this question 找到的。

name := "sbtproj"

version := "0.1"

scalaVersion := "2.12.10"

libraryDependencies ++= Seq(
  "org.apache.spark" %% "spark-core" % "3.0.0",
  "org.apache.spark" %% "spark-sql" % "3.0.0"
)

mainClass in (Compile, run) := Some("com.myorganization.MyScalaObj")

我构建了这个并获得了一个MyScalaObj.class，我将它手动打包到一个带有jar cf MyScalaObj.jar MyScalaObj.class 的罐子中。我将此复制到运行 Spark 3.0.0 和 Scala 2.12.10 的 EMR 集群。

然后我尝试使用spark-submit --class com.myorganization.MyScalaObj MyScalaObj.jar --deploy-mode cluster --master spark://x.x.x.x 运行我的应用程序，但使用Error: Failed to load class com.myorganization.MyScalaObj. 失败

由于整个过程对我来说很新，我不确定错误是否在我的 sbt 配置中（我根本不知道 sbt），因为 Scala 对象本身缺少某些东西（例如，清单?)，或者我如何调用 Spark。我的错误的可能原因是什么？

Answer 1

原来我的问题在于我如何构建我的 jar 文件。多年没有接触Java，我忘记了限定类名——在本例中为com.myorganization.MyScalaObj——需要反映在目录结构中。我正在运行jar cf MyScalaObj.jar MyScalaObj.class，但我应该在两个目录中运行jar cf MyScalaObj.jar com/。