覆盖 Databricks 依赖项

Posted 2023-02-15

【中文标题】覆盖 Databricks 依赖项

【英文标题】：Overwrite Databricks Dependency

【发布时间】：2020-04-12 03:38:16

【问题描述】：

在我们的项目中，我们使用 com.typesafe:config 版本 1.3.4。根据最新的release notes，这个依赖已经由集群上的Databricks提供了，但是在一个非常旧的版本（1.2.1）中。 如何用我们自己的版本覆盖提供的依赖项？

我们使用 maven，在我们的依赖项中我有

<dependency>
    <groupId>com.typesafe</groupId>
    <artifactId>config</artifactId>
    <version>1.3.4</version>
</dependency>

因此，我们创建的 jar 文件应该包含较新的版本。

我通过上传 jar 文件创建了一个 Job。 Job 失败是因为找不到 1.2.1 版本之后添加的方法，所以看起来我们提供的库被集群上的旧版本覆盖了。

【问题讨论】：

不知道是否 Databricks 依赖项也在 pom.xml 中定义？还是部署环境提供的依赖？

不，它没有在我们的 pom.xml 中定义。部署环境根据你选择的Databricks运行时版本预装了很多库。

@pgruetter 你解决过这个问题吗？如果是这样，怎么做？谢谢！

@OscarBonilla：是的，忘记更新了。我们确实修复了它，请参阅我的新答案。希望对您有所帮助。

【参考方案1】：

最后，我们通过在 build.sbt 中添加以下内容，为相关类添加了阴影，从而解决了这个问题

assemblyShadeRules in assembly := Seq(
  ShadeRule.rename("com.typesafe.config.**" -> "shadedSparkConfigForSpark.@1").inAll
)

【讨论】：

虽然这假设一个胖罐子是可以的

【参考方案2】：

我们最终通过使用 Sparks ChildFirstURLClassLoader 解决了这个问题。该项目是开源的，所以你可以自己查看here和方法here的用法。

但作为参考，这里是完整的方法。你需要提供一个 Seq 的 jars 来覆盖你自己的，在我们的例子中是类型安全的配置。

def getChildFirstClassLoader(jars: Seq[String]): ChildFirstURLClassLoader = 
  val initialLoader = getClass.getClassLoader.asInstanceOf[URLClassLoader]

  @tailrec
  def collectUrls(clazz: ClassLoader, acc: Map[String, URL]): Map[String, URL] = 

    val urlsAcc: Map[String, URL] = acc++
      // add urls on this level to accumulator
      clazz.asInstanceOf[URLClassLoader].getURLs
      .map( url => (url.getFile.split(Environment.defaultPathSeparator).last, url))
      .filter case (name, url) => jars.contains(name)
      .toMap

    // check if any jars without URL are left
    val jarMissing = jars.exists(jar => urlsAcc.get(jar).isEmpty)
    // return accumulated if there is no parent left or no jars are missing anymore
    if (clazz.getParent == null || !jarMissing) urlsAcc else collectUrls(clazz.getParent, urlsAcc)
  

  // search classpath hierarchy until all jars are found or we have reached the top
  val urlsMap = collectUrls(initialLoader, Map())

  // check if everything found
  val jarsNotFound = jars.filter( jar => urlsMap.get(jar).isEmpty)
  if (jarsNotFound.nonEmpty) 
    logger.info(s"""available jars are $initialLoader.getURLs.mkString(", ") (not including parent classpaths)""")
    throw ConfigurationException(s"""jars $jarsNotFound.mkString(", ") not found in parent class loaders classpath. Cannot initialize ChildFirstURLClassLoader.""")
  
  // create child-first classloader
  new ChildFirstURLClassLoader(urlsMap.values.toArray, initialLoader)

如您所见，如果您指定的 jar 文件在类路径中不存在，它也有一些中止逻辑。

【参考方案3】：

Databricks 支持初始化脚本（集群范围或全局范围），以便您可以安装/删除任何依赖项。详情在https://docs.databricks.com/clusters/init-scripts.html。

在您的初始化脚本中，您可以删除位于 databricks 驱动程序/执行程序类路径 /databricks/jars/ 的默认 jar 文件并在那里添加预期的文件。