Scala 将数据帧保存到Spark中的TFRecords时出错

我试图将dataframe保存到spark shell中的TFrecord文件中，该文件需要spark tensorflow连接器jar的依赖项，因此我运行

spark-shell --jars xxx/xxx/spark-tensorflow-connector_2.11-1.11.0.jar

然后在spark shell中运行以下代码：

scala> import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}
import org.apache.spark.sql.{DataFrame, SaveMode, SparkSession}

scala> val df = Seq((8, "bat"),(8, "abc"), (1, "xyz"), (2, "aaa")).toDF("number", "word")
df: org.apache.spark.sql.DataFrame = [number: int, word: string]

scala> df.show
+------+----+
|number|word|
+------+----+
|     8| bat|
|     8| abc|
|     1| xyz|
|     2| aaa|
+------+----+

scala> var s = df.write.mode(SaveMode.Overwrite).format("tfrecords").option("recordType", "Example")
s: org.apache.spark.sql.DataFrameWriter[org.apache.spark.sql.Row] = org.apache.spark.sql.DataFrameWriter@da1382f

scala> s.save("tmp/tfrecords")
java.lang.NoClassDefFoundError: scala/Product$class                             
  at org.tensorflow.spark.datasources.tfrecords.TensorflowRelation.<init>(TensorflowRelation.scala:29)
  at org.tensorflow.spark.datasources.tfrecords.DefaultSource.createRelation(DefaultSource.scala:78)
  at org.apache.spark.sql.execution.datasources.SaveIntoDataSourceCommand.run(SaveIntoDataSourceCommand.scala:46)
  at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult$lzycompute(commands.scala:70)
  at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult(commands.scala:68)
  at org.apache.spark.sql.execution.command.ExecutedCommandExec.doExecute(commands.scala:90)
  at org.apache.spark.sql.execution.SparkPlan.$anonfun$execute$1(SparkPlan.scala:175)
  at org.apache.spark.sql.execution.SparkPlan.$anonfun$executeQuery$1(SparkPlan.scala:213)
  at org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:151)
  at org.apache.spark.sql.execution.SparkPlan.executeQuery(SparkPlan.scala:210)
  at org.apache.spark.sql.execution.SparkPlan.execute(SparkPlan.scala:171)
  at org.apache.spark.sql.execution.QueryExecution.toRdd$lzycompute(QueryExecution.scala:122)
  at org.apache.spark.sql.execution.QueryExecution.toRdd(QueryExecution.scala:121)
  at org.apache.spark.sql.DataFrameWriter.$anonfun$runCommand$1(DataFrameWriter.scala:944)
  at org.apache.spark.sql.execution.SQLExecution$.$anonfun$withNewExecutionId$5(SQLExecution.scala:100)
  at org.apache.spark.sql.execution.SQLExecution$.withSQLConfPropagated(SQLExecution.scala:160)
  at org.apache.spark.sql.execution.SQLExecution$.$anonfun$withNewExecutionId$1(SQLExecution.scala:87)
  at org.apache.spark.sql.SparkSession.withActive(SparkSession.scala:763)
  at org.apache.spark.sql.execution.SQLExecution$.withNewExecutionId(SQLExecution.scala:64)
  at org.apache.spark.sql.DataFrameWriter.runCommand(DataFrameWriter.scala:944)
  at org.apache.spark.sql.DataFrameWriter.saveToV1Source(DataFrameWriter.scala:396)
  at org.apache.spark.sql.DataFrameWriter.save(DataFrameWriter.scala:380)
  at org.apache.spark.sql.DataFrameWriter.save(DataFrameWriter.scala:269)
  ... 47 elided
Caused by: java.lang.ClassNotFoundException: scala.Product$class
  at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
  at java.lang.ClassLoader.loadClass(ClassLoader.java:418)
  at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:355)
  at java.lang.ClassLoader.loadClass(ClassLoader.java:351)
  ... 70 more

scala>import org.apache.spark.sql.{DataFrame，SaveMode，SparkSession}
导入org.apache.spark.sql.{DataFrame，SaveMode，SparkSession}
scala>val df=Seq（（8，“bat”），（8，“abc”），（1，“xyz”），（2，“aaa”）。toDF（“数字”，“单词”）
df:org.apache.spark.sql.DataFrame=[number:int，word:string]
scala>df.show
+------+----+
|数字|字|
+------+----+
|8 |蝙蝠|
|8 | abc|
|1 | xyz|
|2 | aaa|
+------+----+
scala>var s=df.write.mode（SaveMode.Overwrite）.format（“tfrecords”）.option（“recordType”，“Example”）
s:org.apache.spark.sql.DataFrameWriter[org.apache.spark.sql.Row]=org.apache.spark.sql。DataFrameWriter@da1382f
scala>s.save（“tmp/tfrecords”）
java.lang.NoClassDefFoundError:scala/Product$class
位于org.tensorflow.spark.datasources.tfrecords.TensorflowRelation.（TensorflowRelation.scala:29）
位于org.tensorflow.spark.datasources.tfrecords.DefaultSource.createRelation（DefaultSource.scala:78）
位于org.apache.spark.sql.execution.datasources.SaveIntoDataSourceCommand.run（SaveIntoDataSourceCommand.scala:46）
位于org.apache.spark.sql.execution.command.executeCommandExec.sideEffectResult$lzycompute（commands.scala:70）
位于org.apache.spark.sql.execution.command.executeCommandExec.sideEffectResult（commands.scala:68）
位于org.apache.spark.sql.execution.command.executeCommandExec.doExecute（commands.scala:90）
位于org.apache.spark.sql.execution.SparkPlan.$anonfun$execute$1（SparkPlan.scala:175）
位于org.apache.spark.sql.execution.SparkPlan.$anonfun$executeQuery$1（SparkPlan.scala:213）
位于org.apache.spark.rdd.RDDOperationScope$.withScope（RDDOperationScope.scala:151）
位于org.apache.spark.sql.execution.SparkPlan.executeQuery（SparkPlan.scala:210）
位于org.apache.spark.sql.execution.SparkPlan.execute（SparkPlan.scala:171）
位于org.apache.spark.sql.execution.QueryExecution.toRdd$lzycompute（QueryExecution.scala:122）
位于org.apache.spark.sql.execution.QueryExecution.toRdd（QueryExecution.scala:121）
位于org.apache.spark.sql.DataFrameWriter.$anonfun$runCommand$1（DataFrameWriter.scala:944）
位于org.apache.spark.sql.execution.SQLExecution$.$anonfun$withNewExecutionId$5（SQLExecution.scala:100）
在org.apache.spark.sql.execution.SQLExecution$.withSQLConfPropagated（SQLExecution.scala:160）
位于org.apache.spark.sql.execution.SQLExecution$.$anonfun$withNewExecutionId$1（SQLExecution.scala:87）
位于org.apache.spark.sql.SparkSession.withActive（SparkSession.scala:763）
位于org.apache.spark.sql.execution.SQLExecution$.withNewExecutionId（SQLExecution.scala:64）
位于org.apache.spark.sql.DataFrameWriter.runCommand（DataFrameWriter.scala:944）
位于org.apache.spark.sql.DataFrameWriter.saveToV1Source（DataFrameWriter.scala:396）
位于org.apache.spark.sql.DataFrameWriter.save（DataFrameWriter.scala:380）
位于org.apache.spark.sql.DataFrameWriter.save（DataFrameWriter.scala:269）
... 47删去
原因：java.lang.ClassNotFoundException:scala.Product$class
位于java.net.URLClassLoader.findClass（URLClassLoader.java:382）
位于java.lang.ClassLoader.loadClass（ClassLoader.java:418）
位于sun.misc.Launcher$AppClassLoader.loadClass（Launcher.java:355）
位于java.lang.ClassLoader.loadClass（ClassLoader.java:351）
... 70多

---

Spark版本是3.0.0，使用Scala版本2.12.10（Java HotSpot（TM）64位服务器虚拟机，Java 1.8.0_261）

问题是，您使用的是使用Scala 2.11编译的Tensorflow连接器（注意jar名称中的

\u 2.11

部分）和使用Scala 2.12编译的Spark 3.0

---

到目前为止，还没有为Spark 3.0编译的Tensorflow连接器，因此您需要使用使用Scala 2.11编译的Spark 2.4.6。

问题是您使用的Tensorflow连接器是使用Scala 2.11编译的（注意jar名称中的

\u 2.11

部分），而Spark 3.0是使用Scala 2.12编译的

---

到目前为止，还没有为Spark 3.0编译Tensorflow连接器，因此您需要使用Scala 2.11编译的Spark 2.4.6。

在另一台机器上使用Spark2成功，非常感谢！在另一台机器上使用Spark2成功，非常感谢！