时间戳

首页 > 解决方案 > 缺少必需的配置“partition.assignment.strategy”

apache-spark - 缺少必需的配置“partition.assignment.strategy”

问题描述

我正在与 Kafka 一起运行 Spark Structured Streaming。下面是 pom.xml

<properties>
    <maven.compiler.source>1.8</maven.compiler.source>
    <maven.compiler.target>1.8</maven.compiler.target>
    <encoding>UTF-8</encoding>
    <!-- Put the Scala version of the cluster -->
    <scalaVersion>2.12.10</scalaVersion>
    <sparkVersion>3.0.1</sparkVersion>
</properties>
<dependency>
    <groupId>org.apache.kafka</groupId>
    <artifactId>kafka-clients</artifactId>
    <version>2.1.0</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.12</artifactId>
    <version>${sparkVersion}</version>
    <scope>provided</scope>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.12</artifactId>
    <version>${sparkVersion}</version>
    <scope>provided</scope>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql-kafka-0-10 -->
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql-kafka-0-10_2.12</artifactId>
    <version>${sparkVersion}</version>
</dependency>

使用 shade 插件构建 fat jar。jar 使用命令在我的本地设置中按预期运行

spark-submit --master local[*] --class com.stream.Main --num-executors 3 --driver-memory 2g --executor-cores 2 --executor-memory 3g prism-event-synch-rta.jar

但是，当我尝试使用带有命令的 yarn 在 spark 集群中运行相同的 jar 时：

spark-submit --master yarn --deploy-mode cluster --class com.stream.Main --num-executors 4 --driver-memory 2g --executor-cores 1 --executor-memory 4g  gs://jars/prism-event-synch-rta.jar

获取此异常：

at org.apache.spark.sql.execution.streaming.StreamExecution.org$apache$spark$sql$execution$streaming$StreamExecution$$runStream(StreamExecution.scala:355)
    at org.apache.spark.sql.execution.streaming.StreamExecution$$anon$1.run(StreamExecution.scala:245)
Caused by: org.apache.kafka.common.config.ConfigException: Missing required configuration "partition.assignment.strategy" which has no default value.
    at org.apache.kafka.common.config.ConfigDef.parse(ConfigDef.java:124)

我试过设置“partition.assignment.strategy”，然后它也不起作用。

编辑：也尝试使用包选项发送 kafka 客户端。结果是同样的例外。

spark-submit --packages org.apache.kafka:kafka-clients:2.1.0,org.apache.spark:spark-sql-kafka-0-10_2.12:3.0.1 --master yarn --deploy-mode cluster --class com.stream.Main --num-executors 4 --driver-memory 2g --executor-cores 1 --executor-memory 4g  gs://jars/prism-event-synch-rta.jar

请帮忙。

标签： apache-sparkapache-kafkaspark-structured-streaming

解决方案

我怀疑问题出在 kafka 客户端 jar 上。我的第一个预感是，kafka 客户端 jar 必须在为在集群中运行而创建的 fat jar 中被覆盖。

为了使我的理论具体化，我在本地安装了相同的 spark 版本（3.0.1）并运行了这项工作。它航行得很漂亮。

我登录到 dataproc 3.0.1 集群并 sudo find /usr -name "kafka-clients*"，瞧，我找到了旧版本的 jar。/usr/lib/hadoop/lib/kafka-clients-0.8.2.1.jar 我打开 spark.env 来验证，在运行时是否正在加载路径。毫不奇怪，它正在加载。

现在我们知道了根本原因。要找到解决方案，需要覆盖提供的 jar。做了一些研究，发现 maven shade 插件可以在打包时更改类的名称。

<relocations>
    <relocation>
        <pattern>org.apache.kafka</pattern>
        <shadedPattern>shade.org.apache.kafka</shadedPattern>
    </relocation>
</relocations>

推荐阅读