关于《Spark快速大数据分析》运行例子遇到的报错及解决

一、描述

在书中第二章，有一个例子，构建完之后，运行：

${SPARK_HOME}/bin/spark-submit --class com.oreilly.learningsparkexamples.mini.java.WordCount ./target/learning-spark-mini-example-0.0.1.jar ./README.md ./wordcouts

如果用的spark版本与书中用到的不一样的话，就会出现各种问题，譬如书中用的是1.2.0而我用的是最新的2.3.0。

二、问题及解决

1. 第一次编译的时候，出现类似下面的报错：

ERROR Executor: Exception in task 0.0 in stage 0.0 (TID 0)

java.lang.AbstractMethodError: com.oreilly.learningsparkexamples.mini.java.WordCount$1.call(Ljava/lang/Object;)Ljava/util/Iterator;
....

首先是解决版本依赖的问题：

（1）获得spark-core的版本和spark的版本，通过查看以下路径获得：

${SPARK_HOME}/jars/spark-core_x.xx-y.y.y.jar

（2）修改mini-complete-example目录下的pom.xml，把刚才查看到的版本号替换原来的：

<dependency> <!-- Spark dependency -->
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_x.xx</artifactId>
    <version>y.y.y</version>
    <scope>provided</scope>
</dependency>

重新编译。

2. 第二次编译估计会遇到下面的报错：

Java FlatMapFunction in Spark: error: is not abstract and does not override abstract method call(String) in FlatMapFunction
......

定位到出错的句子：

JavaRDD<String> words = input.flatMap(
      new FlatMapFunction<String, String>() {
        public Iterable<String> call(String x) {
          return Arrays.asList(x.split(" "));
        }});

又查了一下书里关于FlatMapFunction<T, R>()接口的继承规则，没发现错误，转念一下，可能又是版本不一样造成的。查了一下最新版本的api，发现需要实现的方法的返回类型变了：

java.util.Iterator<R>    call(T t)

是一个Iterator<R>而不是Iterable<R>，对症下药：

（1）导入Iterator包：

import java.util.Iterator;

（2）把出错的句子修改成：

JavaRDD<String> words = input.flatMap(
      new FlatMapFunction<String, String>() {
        @Override public Iterator<String> call(String x) {
          return Arrays.asList(x.split(" ")).iterator();
        }});

重新编译，打包：

mvn compile && mvn package

然后再运行，问题解决

三、参考

1. Apache Spark: ERROR Executor –> Iterator

2. Java FlatMapFunction in Spark: error: is not abstract and does not override abstract method call(String) in FlatMapFunction

3. Spark Api

（完）