web-dev-qa-db-fra.com

Kafka Streaming structuré KafkaSourceProvider n'a pas pu être instancié

Je travaille sur un projet de streaming où j'ai un kafka flux de statistiques ping comme ceci:

64 bytes from vas.fractalanalytics.com (192.168.30.26): icmp_seq=1 ttl=62 time=0.913 ms
64 bytes from vas.fractalanalytics.com (192.168.30.26): icmp_seq=2 ttl=62 time=0.936 ms
64 bytes from vas.fractalanalytics.com (192.168.30.26): icmp_seq=3 ttl=62 time=0.980 ms
64 bytes from vas.fractalanalytics.com (192.168.30.26): icmp_seq=4 ttl=62 time=0.889 ms

J'essaie de lire ceci comme un flux structuré dans pyspark. Je démarre pyspark avec la commande suivante:

 pyspark --packages org.Apache.spark:spark-sql-kafka-0-10_2.11:2.4.0

La version Pyspark est 2.4, python est 2.7 (également essayée avec 3.6))

Et je reçois une erreur dès que j'envoie ce morceau de code (suivi de Structured Streaming + Kafka Guide d'intégration ):

df = spark.readStream.format("kafka").option("kafka.bootstrap.servers", "172.18.2.21:2181").option("subscribe", "ping-stats").load()

Je rencontre l'erreur suivante:

py4j.protocol.Py4JJavaError: An error occurred while calling o37.load.
: Java.util.ServiceConfigurationError: org.Apache.spark.sql.sources.DataSourceRegister: Provider org.Apache.spark.sql.kafka010.KafkaSourceProvider could not be instantiated
        at Java.util.ServiceLoader.fail(ServiceLoader.Java:232)
        at Java.util.ServiceLoader.access$100(ServiceLoader.Java:185)
        at Java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.Java:384)
        at Java.util.ServiceLoader$LazyIterator.next(ServiceLoader.Java:404)
        at Java.util.ServiceLoader$1.next(ServiceLoader.Java:480)
        at scala.collection.convert.Wrappers$JIteratorWrapper.next(Wrappers.scala:43)
        at scala.collection.Iterator$class.foreach(Iterator.scala:891)
        at scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
        at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
        at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
        at scala.collection.TraversableLike$class.filterImpl(TraversableLike.scala:247)
        at scala.collection.TraversableLike$class.filter(TraversableLike.scala:259)
        at scala.collection.AbstractTraversable.filter(Traversable.scala:104)
        at org.Apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:630)
        at org.Apache.spark.sql.streaming.DataStreamReader.load(DataStreamReader.scala:161)
        at Sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at Sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.Java:62)
        at Sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.Java:43)
        at Java.lang.reflect.Method.invoke(Method.Java:498)
        at py4j.reflection.MethodInvoker.invoke(MethodInvoker.Java:244)
        at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.Java:357)
        at py4j.Gateway.invoke(Gateway.Java:282)
        at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.Java:132)
        at py4j.commands.CallCommand.execute(CallCommand.Java:79)
        at py4j.GatewayConnection.run(GatewayConnection.Java:238)
        at Java.lang.Thread.run(Thread.Java:748)
Caused by: Java.lang.NoSuchMethodError: org.Apache.spark.internal.Logging.$init$(Lorg/Apache/spark/internal/Logging;)V
        at org.Apache.spark.sql.kafka010.KafkaSourceProvider.<init>(KafkaSourceProvider.scala:44)
        at Sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
        at Sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.Java:62)
        at Sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.Java:45)
        at Java.lang.reflect.Constructor.newInstance(Constructor.Java:423)
        at Java.lang.Class.newInstance(Class.Java:442)
        at Java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.Java:380)
        ... 23 more

Est-ce que quelqu'un peut m'aider avec ça?

8
pissall

J'ai réussi à résoudre ce problème en m'assurant que la version du paquet spark-sql-kafka correspond à la version spark.

Dans mon cas, j'utilise maintenant --packages org.Apache.spark:spark-sql-kafka-0-10_2.11:2.4.1 Pour ma spark version 2.4.1, puis la partie .format("kafka") de la le code peut être résolu.

de plus, la version 2.12 du package (c'est-à-dire org.Apache.spark:spark-sql-kafka-0-10_2.12:2.4.1) ne semble pas être stable à ce stade de l'écriture, et son utilisation entraînera également l'erreur ci-dessus.

14
chaooder