[英]How can I use tenant id, client id and client secret to connect to and manage directories and files in Azure Data Lake Storage Gen2?
[英]Connect to Azure Data Lake Gen 2 from local Spark job
我正在尝试从本地 Spark 作业连接到我的 ADLS Gen 2 数据湖,以读取我之前通过 Databricks Notebook 存储的一些 Databricks 增量表,但是我遇到了一个非常奇怪的异常,我可以'整理一下:
Exception in thread "main" java.io.IOException: There is no primary group for UGI <xxx> (auth:SIMPLE)
at org.apache.hadoop.security.UserGroupInformation.getPrimaryGroupName(UserGroupInformation.java:1455)
at org.apache.hadoop.fs.azurebfs.AzureBlobFileSystemStore.<init>(AzureBlobFileSystemStore.java:136)
at org.apache.hadoop.fs.azurebfs.AzureBlobFileSystem.initialize(AzureBlobFileSystem.java:108)
at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:3303)
at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:124)
at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:3352)
at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:3320)
at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:479)
at org.apache.hadoop.fs.Path.getFileSystem(Path.java:361)
at org.apache.spark.sql.delta.DeltaTableUtils$.findDeltaTableRoot(DeltaTable.scala:94)
四处搜索,我没有找到很多关于此的提示。 一个,我尝试通过配置“spark.hadoop.hive.server2.enable.doAs”,“false”,但它没有帮助。
我正在使用 io.delta 0.3.0、Spark 2.4.2_2.12 和 azure-hadoop 3.2.0。 我可以通过 Azure Databricks Cluster/Notebook 毫无问题地连接到我的 Gen 2 帐户。
我正在使用如下代码:
try(final SparkSession spark = SparkSession.builder().appName("DeltaLake").master("local[*]").getOrCreate()) {
//spark.conf().set("spark.hadoop.hive.server2.enable.doAs", "false");
spark.conf().set("fs.azure.account.key.stratify.dfs.core.windows.net", "my gen 2 key");
spark.read().format("delta").load("abfss://myfs@myaccount.dfs.core.windows.net/Test");
}
ADLS Gen2 需要 Hadoop 3.2、Spark 3.0.0 和 Delta Lake 0.7.0。 要求记录在https://docs.delta.io/latest/delta-storage.html#azure-data-lake-storage-gen2
ADLS Gen2 Hadoop 连接器仅在 Hadoop 3.2.0 中可用,Spark 3.0.0 是第一个支持 Hadoop 3.2 的 Spark 版本。
Databricks Runtime 6.x 和旧版本运行 Hadoop 2.7 和 Spark 2.4,但 ADLS Gen2 Hadoop 连接器在内部向后移植到这个旧的 Hadoop 版本。 这就是 Delta Lake 可以在 Databricks 中工作而无需升级到 Spark 3.0.0 的原因。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.