httpclient版本与Apache Spark之间的java冲突

Question

我正在使用ApacheSpark开发一个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，有一个过渡依赖项：

<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。当使用spark-submit在EC2实例上部署它时，我得到了这个错误

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

解决这个问题的好办法是什么

由于某些原因，我无法在Java代码上升级Spark。然而，我可以用EC2集群轻松做到这一点。是否可以在更高版本（如1.6.1版本）的集群上部署java代码

Answer 1

正如您在帖子中所说，Spark正在加载httpclient的旧版本。解决方案是使用Maven的^{}工具生成一个整洁的无冲突项目

下面是一个如何在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>

这将把所有文件从org.apache.http.client移动到shaded.org.apache.http.client，从而解决冲突

---

原创帖子：

如果这只是一个可传递依赖项的问题，您可以将其添加到spark-core依赖项中，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>

我还在依赖项中添加了scope作为provided，因为它将由集群提供

然而，这可能会影响Spark的内部行为。如果执行此操作后仍然出现错误，可以尝试使用Maven的^{}工具，该工具将生成一个整洁的无冲突项目

关于不能升级Spark的版本这一事实，您是否使用了来自mvnrepository的this dependency声明

Spark向后兼容，在更高版本的集群上部署作业应该不会有任何问题