[英]Pyspark code or steps to connect to Presto SQL catalog and execute query on postgresql db using pyspark?
[英]Using pyspark to connect to PostgreSQL
我正在嘗試使用 pyspark 連接到數據庫,並且正在使用以下代碼:
sqlctx = SQLContext(sc)
df = sqlctx.load(
url = "jdbc:postgresql://[hostname]/[database]",
dbtable = "(SELECT * FROM talent LIMIT 1000) as blah",
password = "MichaelJordan",
user = "ScottyPippen",
source = "jdbc",
driver = "org.postgresql.Driver"
)
我收到以下錯誤:
知道為什么會這樣嗎?
編輯:我試圖在我的計算機上本地運行代碼。
從https://jdbc.postgresql.org/download.html下載 PostgreSQL JDBC 驅動程序
然后用你的替換數據庫配置值。
from pyspark.sql import SparkSession
spark = SparkSession \
.builder \
.appName("Python Spark SQL basic example") \
.config("spark.jars", "/path_to_postgresDriver/postgresql-42.2.5.jar") \
.getOrCreate()
df = spark.read \
.format("jdbc") \
.option("url", "jdbc:postgresql://localhost:5432/databasename") \
.option("dbtable", "tablename") \
.option("user", "username") \
.option("password", "password") \
.option("driver", "org.postgresql.Driver") \
.load()
df.printSchema()
更多信息:https ://spark.apache.org/docs/latest/sql-data-sources-jdbc.html
以下為我在本地主機上使用 postgres 工作:
從https://jdbc.postgresql.org/download.html下載 PostgreSQL JDBC 驅動程序。
對於pyspark
shell,您使用SPARK_CLASSPATH
環境變量:
$ export SPARK_CLASSPATH=/path/to/downloaded/jar
$ pyspark
要通過spark-submit
提交腳本,請使用--driver-class-path
標志:
$ spark-submit --driver-class-path /path/to/downloaded/jar script.py
在 python 腳本中,將表作為DataFrame
,如下所示:
from pyspark.sql import DataFrameReader
url = 'postgresql://localhost:5432/dbname'
properties = {'user': 'username', 'password': 'password'}
df = DataFrameReader(sqlContext).jdbc(
url='jdbc:%s' % url, table='tablename', properties=properties
)
或者:
df = sqlContext.read.format('jdbc').\
options(url='jdbc:%s' % url, dbtable='tablename').\
load()
請注意,通過spark-submit
提交腳本時,您需要定義sqlContext
。
在所有節點中都需要復制 postgresql-42.1.4.jar ......就我而言,我確實復制了路徑 /opt/spark-2.2.0-bin-hadoop2.7/jars
另外,我在 ~/.bashrc 中設置了類路徑(導出 SPARK_CLASSPATH="/opt/spark-2.2.0-bin-hadoop2.7/jars" )
並在 pyspark 控制台和 jupyter 中正常工作
您通常需要:
如果您詳細說明如何啟動 pyspark,我們可能會為您提供更多詳細信息。
一些線索/想法:
一種基於快速入門指南示例的方法是這篇博客文章,它展示了如何將--packages org.postgresql:postgresql:9.4.1211
參數添加到spark-submit
命令。
這~/.ivy2/jars
驅動程序下載到~/.ivy2/jars
目錄中,在我的例子中是/Users/derekhill/.ivy2/jars/org.postgresql_postgresql-9.4.1211.jar
。 將此作為--driver-class-path
選項傳遞給完整的 spark-submit 命令:
/usr/local/Cellar/apache-spark/2.0.2/bin/spark-submit\
--packages org.postgresql:postgresql:9.4.1211\
--driver-class-path /Users/derekhill/.ivy2/jars/org.postgresql_postgresql-9.4.1211.jar\
--master local[4] main.py
在main.py
:
from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
dataframe = spark.read.format('jdbc').options(
url = "jdbc:postgresql://localhost/my_db?user=derekhill&password=''",
database='my_db',
dbtable='my_table'
).load()
dataframe.show()
要使用 pyspark 和 jupyter notebook notebook:首先打開 pyspark
pyspark --driver-class-path /spark_drivers/postgresql-42.2.12.jar --jars /spark_drivers/postgresql-42.2.12.jar
然后在 jupyter notebook 中
import os
jardrv = "~/spark_drivers/postgresql-42.2.12.jar"
from pyspark.sql import SparkSession
spark = SparkSession.builder.config('spark.driver.extraClassPath', jardrv).getOrCreate()
url = 'jdbc:postgresql://127.0.0.1/dbname'
properties = {'user': 'usr', 'password': 'pswd'}
df = spark.read.jdbc(url=url, table='tablename', properties=properties)
我無法使用計算機上的 jar 連接到 postgresDB。 此代碼解決了我的驅動程序問題
from pyspark.sql import SparkSession
import os
sparkClassPath = os.environ['PYSPARK_SUBMIT_ARGS'] = '--packages org.postgresql:postgresql:42.1.1 pyspark-shell'
spark = SparkSession \
.builder \
.config("spark.driver.extraClassPath", sparkClassPath) \
.getOrCreate()
df = spark.read \
.format("jdbc") \
.option("url", "jdbc:postgresql://localhost:5432/yourDBname") \
.option("driver", "org.postgresql.Driver") \
.option("dbtable", "yourtablename") \
.option("user", "postgres") \
.option("password", "***") \
.load()
df.show()
此異常意味着 jdbc 驅動程序不在驅動程序類路徑中。 您可以使用--jar
參數 spark-submit jdbc jars,也可以使用spark.driver.extraClassPath
將其添加到驅動程序類路徑中。
我也收到這個錯誤
java.sql.SQLException: No suitable driver
at java.sql.DriverManager.getDriver(Unknown Source)
並加入一個項目.config('spark.driver.extraClassPath', './postgresql-42.2.18.jar')
在SparkSession
-奏效。
例如:
from pyspark import SparkContext, SparkConf
import os
from pyspark.sql.session import SparkSession
spark = SparkSession \
.builder \
.appName('Python Spark Postgresql') \
.config("spark.jars", "./postgresql-42.2.18.jar") \
.config('spark.driver.extraClassPath', './postgresql-42.2.18.jar') \
.getOrCreate()
df = spark.read \
.format("jdbc") \
.option("url", "jdbc:postgresql://localhost:5432/abc") \
.option("dbtable", 'tablename') \
.option("user", "postgres") \
.option("password", "1") \
.load()
df.printSchema()
只需使用--jars <path/to/your/jdbc.jar>
初始化 pyspark
例如: pyspark --jars /path/Downloads/postgresql-42.2.16.jar
然后按照上面其他答案中的建議創建一個數據框
例如:
df2 = spark.read.format("jdbc").option("url", "jdbc:postgresql://localhost:5432/db").option("dbtable", "yourTableHere").option("user", "postgres").option("password", "postgres").option("driver", "org.postgresql.Driver").load()
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.