サーバレスコンピュートでJARを作成して実行する

重要

Databricksは、このページで説明されているようなJARファイルを手動で構築およびデプロイするのではなく、宣言型自動化バンドルを使用することを強く推奨します。Declarative Automation Bundles を使用すると、適切なScala 、JDK、およびDatabricks Connectバージョンがすでにサーバーレス用に構成されているテンプレートからプロジェクトを簡単に作成でき、 DatabricksワークスペースへのJARの簡単なデプロイも可能になります。宣言型自動化バンドルを使用してScala JARを構築する方法については、「宣言型自動化バンドルを使用してScala JARを構築する」を参照してください。

備考

プレビュー

ScalaとJava Job はパブリックプレビュー段階にあります。

Javaアーカイブ（JAR）は、JavaまたはScalaのコードを単一のファイルにパッケージ化したものです。このページでは、 Sparkコードを使用してJARを作成し、それをサーバレスコンピュートにLakeFlow Jobとしてデプロイする方法を示します。 JARタスクを使用してJARデプロイできます。

要件

JARファイルを作成するには、ローカル開発環境に以下のものがインストールされている必要があります。

Scala JARファイルにはsbt 1.11.7以降が必要です。
Java JARファイルにはMaven 3.9.0以降が必要です。
お使いの環境に合った JDK、 Scala 、およびDatabricks Connectバージョン。依存関係のバージョンを参照してください。

依存関係のバージョン

重要

サーバレスコンピュートで失敗せずに実行するには、 JAR Scalaおよび JDK のバージョンがランタイムScalaおよび JDK のバージョンと正確に一致する必要があります。 Databricks Connect のバージョンを参照してください。

このページの例ではレス環境バージョン4を使用しているため、このページでは以下のJARファイルを作成します。

Scala 2.13 に対してコンパイルされています。すべての依存関係には_2.13サフィックスが使用されています。
JDK 17、クラスファイルバージョン61に対してコンパイルされています。
サーバレスコンピュート用のSpark APIサーフェスであるDatabricks Connect 17.3 に対してコンパイルされています。
公開されているSpark APIsのみを使用します。 RDDもSparkの内部構造も一切使用していません。制限事項を参照してください。
JARにすべての依存関係が含まれるか、サーバレス環境ライブラリとして添付されます。依存関係の管理を参照してください。

制限事項

サーバレスコンピュートはSpark Connectを使用します。 JARはパブリックSpark APIs公開するシンクライアントライブラリに対して実行され、 Sparkエンジン自体はサーバー側で実行されます。パブリックAPIをバイパスするコードは、クラシックコンピュートであっても、 Catalyst最適化やPhotonアクセラレーションの恩恵を受けることができません。 RDDベースで内部構造に依存するコードは、一般的に同等のDataFrameやSQLコードよりも処理速度が遅くなります。

以下の商品はご利用いただけません。

RDD API ( org.apache.spark.rdd.* ) およびSparkContext / JavaSparkContext 。代わりに、 SparkSession.builder().getOrCreate()およびDataFrame /データセット操作を使用してください。
Spark内部APIs ( org.apache.spark.catalyst.* 、 org.apache.spark.util.* 、 org.apache.spark.sql.util.* 、 org.apache.spark.sql.internal.* )。これらのAPIsをインポートするコードはNoClassDefFoundErrorで失敗します。 Spark APIにリファクタリングする。サードパーティライブラリが内部構造を使用している場合は、Spark Connect互換のリリースを公開しているかどうかを確認してください。
ネイティブライブラリ（ .so 、 .dll 、JNI）。サーバレスコンピュートでは、ネイティブライブラリをファイルシステムに書き込むことはできません。起動時にネイティブバイナリを展開するライブラリは、 UnsatisfiedLinkErrorで失敗します。initスクリプトは回避策ではありません。 Java版が利用可能な場合は、それを使用してください。

ワークロードに上記のいずれかが必要な場合は、代わりに標準または専用のコンピュートで実行してください。

ステップ 1: JARを構築する

Scala
Java

Scala プロジェクトを作成するには、次のコマンドを実行します。
Bash
```
sbt new scala/scala-seed.g8
```
プロンプトが表示されたら、プロジェクト名（例： my-spark-appを入力します。

次に、シードのスタブファイルを削除し、ソース用のディレクトリを作成します。

Bash
cd my-spark-app
rm src/main/scala/example/Hello.scala
rm src/test/scala/example/HelloSpec.scala
rm project/Dependencies.scala
mkdir -p src/main/scala/com/examples

build.sbtファイルの内容を次の内容に置き換えます。

Scala
name := "my-spark-app"

// Set the dependency versions
scalaVersion := "2.13.16"
javacOptions ++= Seq("--release", "17")
scalacOptions ++= Seq("-release", "17")

libraryDependencies += "com.databricks" %% "databricks-connect" % "17.3.2" % "provided"
// Your other dependencies go here. Use %% for Scala libraries so sbt picks the _2.13 artifact.

// Fork a new JVM on run so our javaOptions are applied.
fork := true
javaOptions += "--add-opens=java.base/java.nio=ALL-UNNAMED"

project/plugins.sbtファイルを編集または作成し、次の行を追加します。
Scala
```
addSbtPlugin("com.eed3si9n" % "sbt-assembly" % "2.3.1")
```

src/main/scala/com/examples/SparkJar.scalaにメインクラスを作成します:

Scala
package com.examples

import org.apache.spark.sql.SparkSession

object SparkJar {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().getOrCreate()

    // Prints the arguments to the class, which
    // are job parameters when run as a job:
    println(args.mkString(", "))

    // Shows using spark:
    println(spark.version)
    println(spark.range(10).limit(3).collect().mkString(" "))
  }
}

JAR ファイルをビルドするには、次のコマンドを実行します。
Bash
```
sbt assembly
```
コンパイルされた JAR ファイルは、 target/フォルダーにmy-spark-app-assembly-0.1.0-SNAPSHOT.jarとして作成されます。

次のコマンドを実行して、Maven プロジェクト構造を作成します。
Bash
```
mkdir -p my-spark-app/src/main/java/com/examples
cd my-spark-app
```

プロジェクトルートに次の内容のpom.xmlファイルを作成します。

XML
<?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.examples</groupId>
  <artifactId>my-spark-app</artifactId>
  <version>1.0-SNAPSHOT</version>

  <properties>
    <maven.compiler.release>17</maven.compiler.release>
    <scala.binary.version>2.13</scala.binary.version>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
  </properties>

  <dependencies>
    
    <dependency>
      <groupId>com.databricks</groupId>
      <artifactId>databricks-connect_${scala.binary.version}</artifactId>
      <version>17.3.2</version>
      <scope>provided</scope>
    </dependency>
  </dependencies>

  <build>
    <plugins>
      
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-shade-plugin</artifactId>
        <version>3.6.1</version>
        <executions>
          <execution>
            <phase>package</phase>
            <goals>
              <goal>shade</goal>
            </goals>
            <configuration>
              <transformers>
                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                  <mainClass>com.examples.SparkJar</mainClass>
                </transformer>
              </transformers>
            </configuration>
          </execution>
        </executions>
      </plugin>
    </plugins>
  </build>
</project>

src/main/java/com/examples/SparkJar.javaにメインクラスを作成します:

Java
package com.examples;

import org.apache.spark.sql.SparkSession;
import java.util.stream.Collectors;

public class SparkJar {
  public static void main(String[] args) {
    SparkSession spark = SparkSession.builder().getOrCreate();

    // Prints the arguments to the class, which
    // are job parameters when run as a job:
    System.out.println(String.join(", ", args));

    // Shows using spark:
    System.out.println(spark.version());
    System.out.println(
      spark.range(10).limit(3).collectAsList().stream()
        .map(Object::toString)
        .collect(Collectors.joining(" "))
    );
  }
}

JAR ファイルをビルドするには、次のコマンドを実行します。
Bash
```
mvn clean package
```
コンパイルされた JAR ファイルは、 target/フォルダーにmy-spark-app-1.0-SNAPSHOT.jarとして作成されます。

依存関係の管理

サーバレスコンピュート上のJARでライブラリを利用できるようにするには:

提供されたライブラリを使用する : サーバーレスコンピュートには、 Databricks Connectと厳選された共通ライブラリのセットが含まれています。お使いのバージョンが互換性がある場合は、ビルド時にprovidedと宣言し、JAR ファイルには含めないでください。
環境ライブラリとしてアタッチ : ライブラリがまだ提供されていない場合は、サーバレス環境にライブラリを追加します。実行時のみに必要となるライブラリで、含めたくないものに使用してください。
外部データベースへの接続 ： JDBCの場合、ドライバを含める代わりにJDBC接続を使用します。 JDBC接続はUnityカタログによって管理されます。認証情報、リネージ、ガバナンスはすべて自動的に処理されます。

提供ライブラリ

以下のライブラリは必須の依存関係であり、サーバレスコンピュート上で無償で入手できます。ビルド時にそれらをprovided宣言してください。これらのライブラリの独自のバージョンをバンドルすると、ランタイム時にNoSuchMethodErrorがトリガーされます。

注記

以下に示すライブラリのバージョンは 、サーバレス環境バージョン 4 用です。他の環境バージョンでインストールされているライブラリについては、サーバレス環境バージョンのメモのリファレンスを参照してください。

com.databricks:databricks-connect_2.13バージョン17.3.2
org.scala-lang:scala-library_2.13バージョン2.13.16
org.scala-lang:scala-reflect_2.13バージョン2.13.16
org.slf4j:slf4j-apiバージョン2.0.10
org.apache.logging.log4j:log4j-apiバージョン2.20.0
org.apache.logging.log4j:log4j-coreバージョン2.20.0
org.apache.httpcomponents:httpclientバージョン4.5.14
org.apache.httpcomponents:httpcoreバージョン4.4.16
com.fasterxml.jackson.core:jackson-databindバージョン2.15.2
com.fasterxml.jackson.core:jackson-coreバージョン2.15.2
com.fasterxml.jackson.core:jackson-annotationsバージョン2.15.2
com.fasterxml.jackson.datatype:jackson-datatype-jsr310バージョン2.15.2
com.google.guava:guavaバージョン 32.0.1-jre
commons-io:commons-ioバージョン2.14.0
org.json4s:json4s-jackson_2.13バージョン4.0.7
org.apache.commons:commons-lang3バージョン3.14.0
org.apache.commons:commons-configuration2バージョン2.11.0
org.apache.commons:commons-textバージョン1.12.0
com.databricks:databricks-sdk-javaバージョン0.52.0
com.databricks:databricks-dbutils-scala_2.13バージョン0.1.4

ステップ 2: JARを実行するジョブを作成する

ワークスペースで、サイドバーの ジョブ & パイプライン をクリックします。
作成をクリックし、 ジョブ をクリックします。
最初のタスクを構成するには、 JAR タイルをクリックします。 JAR タイルが利用できない場合は、 「別のタスクタイプを追加」 をクリックし、 JAR を検索します。
オプションで、ジョブの名前 (デフォルトは New Job <date-time> ) をジョブ名に置き換えます。
タスク名に、タスクの名前を入力します (例: JAR_example)。
必要に応じて、「 タイプ 」ドロップダウン・メニューから「 JAR 」を選択します。
メインクラス には、JAR のパッケージとクラスを入力します。前の例に従った場合は、 com.examples.SparkJarと入力します。
コンピュート の場合は、 「サーバレス」 を選択します。
サーバーレス環境を構成します。
1. 環境を選択し、クリックします設定するには 編集してください 。
2. 環境バージョン として 4 以上を選択します。
3. JARファイルをファイルセレクターにドラッグアンドドロップして追加するか、 Unity Catalogボリュームまたはワークスペースの場所から参照して選択します。
この例では、 パラメーター に["Hello", "World!"]と入力します。
「 タスクを作成 」をクリックします。

ステップ 3: ジョブを実行し、ジョブ実行の詳細を表示します

をクリックしてワークフローを実行します。実行の詳細を表示するには、 トリガーされた実行 ポップアップで 実行の表示 をクリックするか、ジョブの実行ビューで実行の 開始時刻 列のリンクをクリックします。

実行が完了すると、出力ペインに、タスクに渡した引数を含む出力が表示されます。

トラブルシューティング

以下の表は、よくある例外に関するトラブルシューティング情報を示しています。

例外	原因	修正
`NoSuchMethodError` `scala.*`クラスを参照しています	Scala 2.12 に対してコンパイルされたJAR 。サーバレス実行Scala 2.13	`scalaVersion := "2.13.16"`で再コンパイルしてください。すべてのScala依存関係に`_2.13`クロスバージョンサフィックスが使用されていることを確認してください。
`NoClassDefFoundError: scala/...`	Scala 2.12と2.13の不一致	`scalaVersion := "2.13.16"`で再コンパイルしてください。すべてのScala依存関係に`_2.13`クロスバージョンサフィックスが使用されていることを確認してください。
`UnsupportedClassVersionError` （クラスファイルのバージョンが61より高い場合）	JDK 18 以降でコンパイルされています。サーバレス実行 JDK 17	`<maven.compiler.release>17</maven.compiler.release>` (Maven) または`--release 17` (sbt / javac) を使用してください。
`NoClassDefFoundError: org/apache/spark/...` 内部パッケージの場合（ `catalyst` 、 `util` 、 `sql/util` 、 `sql/internal` 、 `api/java` 、または`rdd` ）	Sparkの内部機能またはRDD APIが使用されました。これらは、レスでは入手できません。	パブリックSpark API ( DataFrame /データセット/ SQL ) を使用します。サーバレスの制限事項を参照してください。
`ClassNotFoundException` JDBCドライバクラスの場合（例： `oracle.jdbc.OracleDriver` ）	JDBCドライバがクラスパス上にありません	外部データベースにはJDBC接続を使用してください。
`ClassNotFoundException` サードパーティクラスの場合（例： `kotlin.jvm.internal.*` ）	ライブラリはサーバレスクラスパス上にありません。	JARに追加するか、または、品質レス環境を使用して追加のJARとして提供します。
`UnsatisfiedLinkError` 以下のファイルを参照する `/tmp/`	JARファイルに含まれるネイティブライブラリ	ネイティブライブラリはサーバレスではサポートされていません。 Pure Java の同等のもの、または従来のコンピュートでの実行を使用します。
`NoSuchMethodError` サードパーティライブラリ（Apache Commons、Guava、Jacksonなど）から	同梱されているバージョンは、提供されているバージョンと競合します。	提供されているバージョンを使用してください。ビルド時に`provided`とマークして、JARファイルに含めないようにしてください。

次のステップ

JARタスクの詳細については、「ジョブのJARタスク」を参照してください。
互換性のある JAR の作成の詳細については、「Databricks 互換性のある JAR を作成する」を参照してください。
ジョブの作成と実行の詳細については、Lakeflowジョブを参照してください。

要件​

依存関係のバージョン​

制限事項​

ステップ 1: JARを構築する​

依存関係の管理​

提供ライブラリ​

ステップ 2: JARを実行するジョブを作成する​

ステップ 3: ジョブを実行し、ジョブ実行の詳細を表示します​

トラブルシューティング​

次のステップ​

要件