使用 java 反射运行时，HDFS Parquet 文件阅读器抛出 DistributedFileSystem.class 未找到

Posted 2023-04-18

【中文标题】使用 java 反射运行时，HDFS Parquet 文件阅读器抛出 DistributedFileSystem.class 未找到

【英文标题】：HDFS Parquet file reader throwing DistributedFileSystem.class not found when run using java reflection

【发布时间】：2019-04-01 07:36:44

【问题描述】：

我正在尝试使用 java 从远程 HDFS 文件系统中读取 parquet 文件。我为此使用了 parquet-hadoop 库。

这就是我的代码的样子，

public Map run( Map inputs )

...
            final Configuration conf = new Configuration();
            conf.set("fs.hdfs.impl", org.apache.hadoop.hdfs.DistributedFileSystem.class.getName());
            conf.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());
            conf.set("fs.defaultFS", "hdfs://" + connHostName + ":" + connPort);
            conf.set("ipc.client.connect.timeout", "10000");
            conf.set("ipc.client.connect.max.retries.on.timeouts", "3");
            System.setProperty("hadoop.home.dir", "/");

            Path path = new Path(filePath);

            ParquetMetadata readFooter = ParquetFileReader.readFooter(conf, path, ParquetMetadataConverter.NO_FILTER);
            MessageType schema = readFooter.getFileMetaData().getSchema();
...

下面是我使用的maven依赖，

<dependency>
   <groupId>org.apache.parquet</groupId>
   <artifactId>parquet-hadoop</artifactId>
   <version>1.9.0</version>
</dependency>
<dependency>
   <groupId>org.apache.hadoop</groupId>
   <artifactId>hadoop-client</artifactId>
   <version>3.1.0</version>
</dependency>

我还尝试添加另外 2 个依赖项，hadoop core 和 hadoop hdfs

当我在 Parquet 阅读器代码上运行时，它工作正常，我面临的问题是当我作为反射运行时。

我用它创建了一个胖 jar，并将类名和 jar 一起提供给其他程序，该程序将使用反射运行。

反射代码是这样的，

String packageName = "com.mycompany.hdfs.parquet.Parquet";
String jarPath = "/Users/.../hdfs-parquet-reader/target/hdfs-parquet-reader-0.0.1-jar-with-dependencies.jar";

ClassLoader child = new URLClassLoader(new URL[]  new URL("file://" + jarPath), ClassLoader.getSystemClassLoader());
Class classToLoad = Class.forName(packageName, true, child);
String inputParamsString = "";
Object obj = classToLoad.newInstance();



Type type = new TypeToken<Map<String, Object>>() 

        .getType();
Map<String, Object> inputs = gson.fromJson(inputParamsString, type);

Method runMethod = obj.getClass().getDeclaredMethod("run", Map.class);

Object result = runMethod.invoke(obj, inputs);

当我运行上面的代码时，我发现 DistributedFileSystem.class not found at line, ParquetMetadata readFooter = ParquetFileReader.readFooter(conf, path, ParquetMetadataConverter.NO_FILTER);

我构建了 fat jar，Verified jar 包含 jar 中存在的类 org.apache.hdfs.DistributedFileSystem.class。

我还验证了 java -cp jarname.jar className.class 是否按预期工作。

下面是我的pom文件，

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xmlns="http://maven.apache.org/POM/4.0.0"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <parent>
        <artifactId>aaa</artifactId>
        <groupId>bbb</groupId>
        <version>0.0.1</version>
    </parent>
    <modelVersion>4.0.0</modelVersion>
    <packaging>jar</packaging>

    <artifactId>hdfs-parquet-reader</artifactId>

    <dependencies>
        <dependency>
            <groupId>org.apache.parquet</groupId>
            <artifactId>parquet-hadoop</artifactId>
            <version>1.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.0</version>
        </dependency>



    </dependencies>

    <build>
        <plugins>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <configuration>
                    <source>8</source>
                    <target>8</target>
                </configuration>
            </plugin>
            <plugin>
                <artifactId>maven-assembly-plugin</artifactId>
                <configuration>

                    <archive>
                    </archive>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                    <!--<finalName>$project.artifactId-$project.version-$maven.build.timestamp</finalName> -->
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id> <!-- this is used for inheritance merges -->
                        <phase>package</phase> <!-- bind to the packaging phase -->
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>

        </plugins>

    </build>


</project>

我尝试使用 shaded 插件并构建 shaded jar，但问题仍然存在。

我听说 hadoop-commons 库使用 Thread.currentThread.getClassLoader() 来加载类文件，这里似乎有问题。

帮我解决这个问题，

提前致谢。

【参考方案1】：

我自己找到了解决这个问题的方法，

问题就在这里

ClassLoader child = new URLClassLoader(new URL[]  new URL("file://" + jarPath), ClassLoader.getSystemClassLoader());

这里我正在加载系统类加载器，这导致从最终类路径中删除依赖库，

我改成

ClassLoader child = new URLClassLoader(new URL[]  new URL("file://" + jarPath), Thread.currentThread().getContextClassLoader());

这对我有用。