sparklyr - 如何使用 sparklyr 添加 jar？

Question

当我尝试使用 Rstudio 和 sparklyr 使用此代码访问 Hive 表时:

library(sparklyr)
library(dplyr)
Sys.setenv(SPARK_HOME="/usr/hdp/current/spark2-client") # got from ambari spark2 configs
sc <- spark_connect(master = "yarn-client", config = config, version = '2.1.0')

library(DBI)
tabTweets <- dbGetQuery(sc, "SELECT * FROM tweets0 LIMIT 10")

我收到这个错误:

Error in value[[3L]](cond) : 
  Failed to fetch data: java.lang.RuntimeException: java.lang.ClassNotFoundException: org.openx.data.jsonserde.JsonSerDe

这是因为 tweets0 是使用 JsonSerDe 创建的。它很容易修复，例如，当遇到使用 Hive CLI 时:

Add jar /usr/hdp/2.4.2.0-258/hive/lib/json-serde-1.3.7-jar-with-dependencies.jar;

那么我如何使用 sparklyr 做一个等效的添加 jar？

编辑:我试过这个:

spark_dependencies <- function(spark_version, scala_version, ...) {
  sparklyr::spark_dependency(
    jars = c(
      system.file(
        sprintf("/usr/hdp/2.4.2.0-258/hive/lib/json-serde-1.3.7-jar-with-dependencies.jar"),
    package = "JsonSerDe"
      )
    )
  )
}
.onLoad <- function(libname, pkgname) {
  sparklyr::register_extension(pkgname)
}

library(JsonSerDe)

但仍然有同样的错误和库 (JsonSerDe) 给出:

Error in library(JsonSerDe) : there is no package called ‘JsonSerDe’

我在 Spark 日志中看不到任何关于添加依赖项的信息。

Answer 1

您可以使用 spark 配置提供 jar。下面为我​​们工作。

config[["sparklyr.jars.default"]] <- "/usr/lib/jars/json-serde-1.3.7-jar-with-dependencies.jar"

或

config[["sparklyr.jars.default"]] <- "hdfs://master.royble.co.uk:8020/jars/json-serde-1.3.7-jar-with-dependencies.jar "