R 通过 RODBC 访问 Azure DataBricks 中的镶木地板文件

Question

我成功配置了与 Azure DataBricks 集群的连接，并且可以使用以下命令查询表

conn <- odbcConnect("AzureDatabricks")
sqlQuery(conn, "SELECT * FROM my_table")

但我需要访问镶木地板文件。 在 Databricks 中，我可以使用以下代码来完成：

%sql

Select * FROM parquet.`/path/to/folder`

如果我用 R 试试这个

sqlQuery(conn, "Select * FROM parquet.`/path/to/folder`")

我收到错误：

[Simba][SQLEngine] Table or view not found: SPARK.parquet./path/to/folder"
[RODBC] ERROR: Could not SQLExecDirect 'Select * FROM parquet.`/path/to/folder`

有没有办法通过 RODBC 访问镶木地板文件？

Answer 1

由于 sql 查询本身存在错误，您遇到了此问题。 当您运行Select * FROM parquet./path/to/folder时，由于语法错误，您将看不到 table 或 view not found 命令。

示例：用于理解问题的示例示例（当您运行 SELECT * FROM parquer.'somepath' 时），您将看到语法错误。

注意：从 parquet 文件创建 Dataframe 后，您必须将其注册为临时表才能对其运行sql 查询。

val sqlContext = new org.apache.spark.sql.SQLContext(sc)

val df = sqlContext.read.parquet("src/main/resources/peopleTwo.parquet")

df.printSchema

// after registering as a table you will be able to run sql queries
df.registerTempTable("people")

sqlContext.sql("select * from people").collect.foreach(println)

参考： Spark SQL 指南 - Parquet 文件

Answer 2

您需要添加UseNativeQuery=1; odbc 连接字符串的参数。

Examlpe: Driver={Simba Spark ODBC Driver};Host=[serverHost];Port=443;HTTPPath=[httpPath];ThriftTransport=2;SSL=1;AuthMech=3;UID=token;PWD=[pwd];UseNativeQuery=1;

https://docs.databricks.com/integrations/jdbc-odbc-bi.html#ansi-sql-92-query-support-in-odbc