Apache Parquet-MR项目中的parquet-cli模块Thrift依赖问题分析
问题背景
在Apache Parquet-MR项目中,parquet-cli模块是一个用于操作Parquet文件的命令行工具。当开发者尝试构建并运行该模块的shaded jar包时,遇到了一个典型的类加载问题——NoClassDefFoundError,具体表现为无法找到org.apache.thrift.TBase类。
问题现象
开发者在使用Maven构建parquet-cli模块的shaded jar包后,尝试运行该jar包时,系统抛出以下异常:
Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/thrift/TBase
at org.apache.parquet.cli.Main.<init>(Main.java:104)
at org.apache.parquet.cli.Main.main(Main.java:191)
Caused by: java.lang.ClassNotFoundException: org.apache.thrift.TBase
at java.base/jdk.internal.loader.BuiltinClassLoader.loadClass(BuiltinClassLoader.java:641)
问题根源分析
-
依赖缺失:从异常信息可以看出,运行时缺少了Thrift库的依赖。虽然Parquet项目内部可能间接引用了Thrift,但在构建shaded jar时,这些依赖没有被正确包含。
-
Shade插件配置:Maven Shade插件负责将所有依赖打包到一个"uber-jar"中。如果某些依赖被标记为provided或者没有显式声明,它们就不会被包含在最终的jar中。
-
运行时依赖:Parquet CLI工具在运行时需要访问Thrift类,但构建时这些依赖可能被错误地标记为provided或test范围。
解决方案
开发者发现通过显式添加Thrift依赖可以解决这个问题。具体做法是在parquet-cli模块的pom.xml中添加以下依赖声明:
<dependency>
<groupId>org.apache.thrift</groupId>
<artifactId>libthrift</artifactId>
<version>${format.thrift.version}</version>
<scope>${deps.scope}</scope>
</dependency>
技术深度解析
-
Shaded JAR原理:Maven Shade插件通过重写字节码和资源文件,将所有依赖合并到一个JAR中。这个过程需要正确处理所有运行时依赖。
-
依赖范围管理:在Maven中,依赖范围(scope)决定了依赖在不同生命周期中的可用性。对于需要打包到最终JAR中的依赖,应该使用compile或runtime范围。
-
Thrift在Parquet中的作用:Thrift在Parquet中被用于序列化和反序列化元数据。Parquet文件格式使用Thrift定义其元数据结构,因此运行时必须能够访问这些类。
最佳实践建议
-
完整依赖审计:构建自包含应用时,应该对所有运行时依赖进行完整审计,确保没有遗漏任何必要的依赖。
-
测试验证:构建完成后,应该通过简单的功能测试验证JAR包是否包含所有必要的运行时依赖。
-
依赖范围选择:对于需要打包到最终JAR中的依赖,避免使用provided或test范围,除非确实不需要这些依赖在运行时可用。
总结
这个问题展示了在构建Java应用时常见的类加载问题。通过显式声明所有运行时依赖,开发者可以确保应用在不同环境中都能正常运行。对于类似Parquet CLI这样的工具,确保所有必要的依赖都被正确打包到最终JAR中是至关重要的。
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0286Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选









