scala - 使用 sbt 测试运行时 Spark 测试失败

Question

我们已经为 spark 编写了单元测试，在本地模式下有 4 个线程。

当一个一个启动时，例如通过 intellij 或 sbt testOnly，每个测试运行良好。

当使用 sbt test 启动时，它们会失败并出现类似的错误
[info] java.util.ServiceConfigurationError: org.apache.spark.sql.sources.DataSourceRegister: Provider org.apache.spark.sql.execution.datasources.csv.CSVFileFormat not a subtype
我们特别将 sbt 和 spark 版本升级到最新版本，尝试使用 fork in test := true 运行在 build.sbt 中，但这没有帮助。

Spark 的版本为 2.4.3，sbt 为 1.2.8，scala 为 2.12.8。

sbt 配置没什么特别的:

libraryDependencies ++= Seq(
  Dependencies.Test.concordion,
  Dependencies.`spark-sql` exclude("org.slf4j","slf4j-log4j12"),
  Dependencies.`better-files`
)

fork in test := true


dependencyOverrides += "com.google.guava" % "guava" % "11.0.2" 
dependencyOverrides += "com.fasterxml.jackson.core" % "jackson-databind" % "2.6.7.1"

我们正在使用具有多个不同子项目的 sbt 项目，定义如下:

scalacOptions in ThisBuild ++= Seq(
  "-encoding", "UTF-8", // source files are in UTF-8
  "-deprecation", // warn about use of deprecated APIs
  "-Yrangepos", // use range positions for syntax trees
  "-language:postfixOps", //  enables postfix operators
  "-language:implicitConversions", // enables defining implicit methods and members
  "-language:existentials", // enables writing existential types
  "-language:reflectiveCalls", // enables reflection
  "-language:higherKinds", // allow higher kinded types without `import scala.language.higherKinds`
  "-unchecked", // warn about unchecked type parameters
  "-feature", // warn about misused language features
  /*"-Xlint",               // enable handy linter warnings
    "-Xfatal-warnings",     // turn compiler warnings into errors*/
  "-Ypartial-unification" // allow the compiler to unify type constructors of different arities
)

autoCompilerPlugins := true

addCompilerPlugin(Dependencies.`kind-projector`)
addCompilerPlugin(Dependencies.`better-monadic-for`)


// Define the root project, and make it compile all child projects
lazy val `datarepo` =
  project
    .in(file("."))
    .aggregate(
      `foo`,
      `foo-other`,
      `sparkusingproject`,
      `sparkusingproject-test`,
      `sparkusingproject-other`,
    )

// Define individual projects, the directories they reside in, and other projects they depend on
lazy val `foo` =
  project
    .in(file("foo"))
    .settings(Common.defaultSettings: _*)

lazy val `foo-other` =
  project
    .in(file("foo-other"))
    .dependsOn(`foo`)
    .settings(Common.defaultSettings: _*)

Answer 1

我刚刚在测试中遇到了这个异常，它是由于试图在与我启动 SparkSession 的线程不同的线程中运行 Spark 操作引起的。 .您可能想要禁用 parallelExecution in Test (无论如何，建议将其用于 Spark 集成测试)。

具体来说，我试图并行执行多个 Spark 操作，我尝试在 Scala 的 ExecutionContext.global 中这样做。线程池。当我创建一个 newFixedPoolExecutor相反，一切开始正常。

AFAICT 这是因为在 DataSource.scala:610 ，Spark获取线程的ContextClassLoader:

    val loader = Utils.getContextOrSparkClassLoader

并且，当在 Scala 的默认线程池中运行时，类加载器不包含相关的类和接口(interface)。相反，当您创建一个新的线程池时，它会从当前线程继承正确的类加载器，然后可以正常工作。