无法从 Java Dataset for Spark 中的 AWS S3 读取数据

Question

我正在尝试将 aws s3 中的数据读取到 Java 中的 dataset/rdd 中，但获取Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/hadoop/fs/StreamCapabilities. 我在 IntelliJ 上用 Java 运行 Spark 代码，因此在 pom.xml 中也添加了 Hadoop 依赖项下面是我的代码和 pom.xml 文件。import org.apache.spark.api.java.JavaRDD;import org.apache.spark.sql.SparkSession;import org.apache.spark.api.java.JavaSparkContext;public class SparkJava {    public static void main(String[] args){        SparkSession spark  = SparkSession                .builder()                .master("local")                .config("spark.hadoop.fs.s3a.impl", "org.apache.hadoop.fs.s3a.S3AFileSystem")                  .config("spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version", "2")                .config("fs.s3n.awsAccessKeyId", AWS_KEY)                .config("fs.s3n.awsSecretAccessKey", AWS_SECRET_KEY)                .getOrCreate();        JavaSparkContext sc = new JavaSparkContext(spark.sparkContext());        String input_path = "s3a://bucket/2018/07/28/zqa.parquet";        Dataset<Row> dF = spark.read().load(input_path); // THIS LINE CAUSES ERROR    }}这是 pom.xml 中的依赖项<dependencies>    <dependency>        <groupId>org.apache.spark</groupId>        <artifactId>spark-core_2.11</artifactId>        <version>2.3.1</version>    </dependency>    <dependency>        <groupId>org.apache.spark</groupId>        <artifactId>spark-sql_2.11</artifactId>        <version>2.3.1</version>    </dependency>    <dependency>        <groupId>org.apache.hadoop</groupId>        <artifactId>hadoop-aws</artifactId>        <version>3.1.1</version>    </dependency>    <dependency>        <groupId>org.apache.hadoop</groupId>        <artifactId>hadoop-hdfs</artifactId>        <version>3.1.1</version>    </dependency></dependencies>任何帮助将不胜感激。提前致谢！

Answer 1

通过添加流动依赖解决了这个问题：

<dependency>

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

    <artifactId>hadoop-common</artifactId>

    <version>3.1.1</version>

</dependency>