sbt assembly a fat jar for spark-submit cluster model

在用spark-submit提交作业时，用sbt package打包好的jar程序，可以很好的运行在client模式，当在cluster模式，

一直报错：Exception in thread "main" java.lang.ClassNotFoundException。决定利用sbt assembly插件把所有的依赖打成一个jar。

我的工程结构：

　　myProject/build.sbt

　　myProject/project/assembly.sbt

　　myProject/src/main/scala/com/lasclocker/java/SparkGopProcess.java

上面褐色部分是java源程序的包名。

build.sbt的内容：

lazy val root = (project in file(".")).
  settings(
    name := "my-project",
    version := "1.0",
    scalaVersion := "2.11.7",
    mainClass in Compile := Some("com.lasclocker.java.SparkGopProcess")  // 这里是主类名字
  )

libraryDependencies += "org.apache.spark" %% "spark-core" % "1.4.1" % "provided"    //这里是依赖的spark-core

unmanagedBase := baseDirectory.value / "custom_spark_lib"  // 这里是第三方依赖包，我直接放在myProject的custom_spark_lib目录下面

// META-INF discarding
mergeStrategy in assembly <<= (mergeStrategy in assembly) { (old) =>
   {
    case PathList("META-INF", xs @ _*) => MergeStrategy.discard
    case x => MergeStrategy.first
   }
}

其中custom_spark_lib目录下的jar包有：guava-10.0.1.jar, hadoopCustomInputFormat.jar.

assembly.sbt的内容：

addSbtPlugin("com.eed3si9n" % "sbt-assembly" % "0.12.0")

在myProject目录下，执行：

sbt clean assembly

最后生成a fat jar包：target/scala-2.11/my-project-assembly-1.0.jar.

最后附上我的spark-submit cluster模式的shell脚本(脚本中的ip地方被xx了)：

inPath=/LPR
outPath=/output
minPartitionNum=4
sparkURL=spark://xx.xx.xx.xx:7077
hdfsFile=hdfs://xx.xx.xx.xx:9000/user/root
ldLib=/opt/hadoop/lib #这里放一些动态库, 比如JNI中的.so文件            

spark-submit  --class ${yourAppClass}  --master ${sparkURL}  --driver-library-path $ldLib  --deploy-mode cluster  $hdfsFile/my-project-assembly-1.0.jar $inPath $outPath $minPartitionNum

参考： sbt-assembly,  How to build an Uber JAR (Fat JAR) using SBT within IntelliJ IDEA?