java - httpclient版本和Apache Spark之间的冲突

我正在使用Apache Spark开发Java应用程序。我使用这个版本:

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.2.2</version>
</dependency>

在我的代码中，有一个过渡依赖性:

<dependency>
    <groupId>org.apache.httpcomponents</groupId>
    <artifactId>httpclient</artifactId>
    <version>4.5.2</version>
</dependency>

我将应用程序打包到一个JAR文件中。使用spark-submit将其部署在EC2实例上时，出现此错误。

Caused by: java.lang.NoSuchFieldError: INSTANCE
    at org.apache.http.conn.ssl.SSLConnectionSocketFactory.<clinit>(SSLConnectionSocketFactory.java:144)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.getPreferredSocketFactory(ApacheConnectionManagerFactory.java:87)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.create(ApacheConnectionManagerFactory.java:65)
    at com.amazonaws.http.apache.client.impl.ApacheConnectionManagerFactory.create(ApacheConnectionManagerFactory.java:58)
    at com.amazonaws.http.apache.client.impl.ApacheHttpClientFactory.create(ApacheHttpClientFactory.java:50)
    at com.amazonaws.http.apache.client.impl.ApacheHttpClientFactory.create(ApacheHttpClientFactory.java:38)

此错误清楚地表明SparkSubmit已加载同一Apache httpclient库的较旧版本，因此发生此冲突。

解决此问题的好方法是什么？

由于某种原因，我无法在Java代码上升级Spark。但是，我可以使用EC2集群轻松地做到这一点。是否可以在具有更高版本(例如1.6.1版本)的群集上部署Java代码？

最佳答案

如您的帖子所述，Spark正在加载旧版本的httpclient。解决方案是使用Maven的 relocation 工具生成一个简洁的无冲突项目。

这是一个如何在pom.xml文件中使用它的示例:

<project>
  <!-- Your project definition here, with the groupId, artifactId, and it's dependencies -->
  <build>
    <plugins>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-shade-plugin</artifactId>
        <version>2.4.3</version>
        <executions>
          <execution>
            <phase>package</phase>
            <goals>
              <goal>shade</goal>
            </goals>
            <configuration>
              <relocations>
                <relocation>
                  <pattern>org.apache.http.client</pattern>
                  <shadedPattern>shaded.org.apache.http.client</shadedPattern>
                </relocation>
              </relocations>
            </configuration>
          </execution>
        </executions>
      </plugin>
    </plugins>
  </build>

</project>

这会将所有文件从org.apache.http.client移到shaded.org.apache.http.client，从而解决了冲突。

原始帖子:

如果这仅是传递依赖关系的问题，则可以将其添加到spark-core依赖关系中以排除Spark使用的HttpClient:

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.10</artifactId>
    <version>1.2.2</version>
    <scope>provided</scope>
    <exclusions>
        <exclusion>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
        </exclusion>
    </exclusions>
</dependency>

我还将scope作为provided添加到了您的依赖项中，因为它将由您的集群提供。

但是，这可能与Spark的内部行为混为一谈。如果执行此操作后仍然出现错误，则可以尝试使用Maven的 relocation 工具，该工具应产生一个整洁的无冲突项目。

关于您不能升级Spark版本的事实，您是否使用了mvnrepository中的this dependency声明？

Spark是向后兼容的，因此在具有更高版本的集群上部署您的作业应该没有任何问题。