PySpark使用mongodb-spark连接器报错：类未找到com.mongodb.spark.sql.DefaultSource

踩过类似的坑，结合你给出的版本（MongoDB Connector 2.2.2、Spark 2.2.0、MongoDB 3.6），这个类未找到的问题大概率是Spark运行时没有正确加载MongoDB连接器的依赖包，下面是具体的解决步骤：

1. 用spark-submit指定依赖包（最推荐） #

如果你是通过spark-submit运行Python脚本，一定要在命令里加上--packages参数来引入连接器依赖，命令格式如下：

spark-submit --packages org.mongodb.spark:mongo-spark-connector_2.11:2.2.2 /home/cisco/spark-mongo-test.py

注意：_2.11对应Scala版本，Spark 2.2.0默认使用Scala 2.11，如果你Spark是基于Scala 2.10编译的，就改成_2.10。这个参数会自动下载匹配的依赖包并添加到Spark的classpath里。

如果是用pyspark交互式shell运行，启动时也要带上这个参数：

pyspark --packages org.mongodb.spark:mongo-spark-connector_2.11:2.2.2

2. 检查代码中的数据源配置（辅助验证） #

虽然这不是类找不到的直接原因，但确保代码里的数据源格式和配置正确很重要，比如读取数据时需要指定MongoDB的连接信息：

df = spark.read.format("com.mongodb.spark.sql.DefaultSource") \
    .option("uri", "mongodb://localhost:27017/your_db.your_collection") \
    .load()

这里的uri要替换成你实际的MongoDB地址、数据库和集合名。

3. 手动添加jar包到Spark的lib目录（可选） #

如果不想每次运行都加--packages参数，可以手动下载对应版本的mongo-spark-connector jar包（注意匹配Scala版本），放到Spark安装目录下的jars文件夹里，然后重启Spark服务。这样Spark每次启动时都会自动加载这个jar包，不用再手动指定依赖。

为什么会出现这个错误？ #

ClassNotFoundException本质是Spark的JVM进程在运行时找不到com.mongodb.spark.sql.DefaultSource这个类，而这个类是MongoDB Spark Connector提供的。之所以安装时正常但运行时出错，是因为安装的包没有被Spark的运行环境识别到，必须通过--packages或者手动添加jar包的方式把依赖加入Spark的classpath才行。

内容的提问来源于stack exchange，提问作者Piyush Chitkara