ClassNotFoundException：找不到数据源：bigquery

Question

我正在尝试将数据从 Google BigQuery 加载到在 Google Dataproc 上运行的 Spark（我正在使用 Java）。我尝试按照此处的说明进行操作：https ://cloud.google.com/dataproc/docs/tutorials/bigquery-connector-spark-example

我收到错误：“ ClassNotFoundException: Failed to find data source: bigquery。”

我的 pom.xml 如下所示：

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

    <modelVersion>4.0.0</modelVersion>

    <groupId>com.virtualpairprogrammers</groupId>

    <artifactId>learningSpark</artifactId>

    <version>0.0.3-SNAPSHOT</version>

    <packaging>jar</packaging>

    <properties>

        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

        <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>

        <java.version>1.8</java.version>

    </properties>

    <dependencies>

        <dependency>

            <groupId>org.apache.spark</groupId>

            <artifactId>spark-core_2.11</artifactId>

            <version>2.3.2</version>

        </dependency>

        <dependency>

            <groupId>org.apache.spark</groupId>

            <artifactId>spark-sql_2.11</artifactId>

            <version>2.3.2</version>

        </dependency>

        <dependency>

            <groupId>org.apache.hadoop</groupId>

            <artifactId>hadoop-hdfs</artifactId>

            <version>2.2.0</version>

        </dependency>

        <dependency>

            <groupId>com.google.cloud.spark</groupId>

            <artifactId>spark-bigquery_2.11</artifactId>

            <version>0.9.1-beta</version>

            <classifier>shaded</classifier>

        </dependency>

    </dependencies>

将依赖项添加到我的 pom.xml 后，它会下载大量内容来构建 .jar，所以我认为我应该拥有正确的依赖项？然而，Eclipse 还警告我“从未使用过 import com.google.cloud.spark.bigquery”。

Answer 1

我认为您只添加了 BQ 连接器作为编译时依赖项，但在运行时缺少它。您需要制作一个 uber jar，其中包含作业 jar 中的连接器（需要更新文档），或者在提交作业时包含它gcloud dataproc jobs submit spark --properties spark.jars.packages=com.google.cloud.spark:spark-bigquery_2.11:0.9.1-beta。

Answer 2

我遇到了同样的问题，并将格式从“bigquery”更新为“com.google.cloud.spark.bigquery”，这对我有用。

Answer 3

在 build.sbt 中指定依赖项并按照 Peter 建议的格式使用“com.google.cloud.spark.bigquery”为我解决了这个问题。