[英]Read avro files in pyspark with PyCharm
我對火花很陌生,我已將 pyspark 庫導入到 pycharm venv 並編寫以下代碼:
# Imports
from pyspark.sql import SparkSession
# Create SparkSession
spark = SparkSession.builder \
.appName('DataFrame') \
.master('local[*]') \
.getOrCreate()
spark.conf.set("spark.sql.shuffle.partitions", 5)
path = "file_path"
df = spark.read.format("avro").load(path)
,一切似乎都沒問題,但是當我想閱讀 avro 文件時,我收到消息:
pyspark.sql.utils.AnalysisException: '未能找到數據源:avro。 Avro 是自 Spark 2.4 以來的內置但外部數據源模塊。 請按照“Apache Avro 數據源指南”的部署部分部署應用程序。;'
當我轉到此頁面時:>https://spark.apache.org/docs/latest/sql-data-sources-avro.html有這樣的東西:
我不知道必須實現這個,在 PyCharm 中下載一些東西,或者你必須找到外部文件來修改?
謝謝你的幫助!
更新 (2019-12-06):因為我使用的是 Anaconda,所以我打開了 Anaconda prompt 並復制了以下代碼:
pyspark --packages com.databricks:spark-avro_2.11:4.0.0
它下載了一些模塊,然后我回到 PyCharm 並出現相同的錯誤。
我從 PyCharm 中的pyspark
下載了pyspark
2.4.4
版軟件包。 並在 spark 配置中添加了spark-avro_2.11-2.4.4.jar
文件,並且能夠成功地重新創建您的錯誤,即pyspark.sql.utils.AnalysisException: 'Failed to find data source: avro. Avro is built-in but external data source module since Spark 2.4. Please deploy the application as per the deployment section of "Apache Avro Data Source Guide".;'
pyspark.sql.utils.AnalysisException: 'Failed to find data source: avro. Avro is built-in but external data source module since Spark 2.4. Please deploy the application as per the deployment section of "Apache Avro Data Source Guide".;'
要解決此問題,請按照以下步驟操作:
spark-2.4.4-bin-hadoop2.7.tgz
。SPARK_HOME
設置為<download_path>/spark-2.4.3-bin-hadoop2.7
並將PYTHONPATH
設置為$SPARK_HOME/python/lib/py4j-0.10.7-src.zip:$SPARK_HOME/python
spark-avro_2.11-2.4.4.jar
文件。現在您應該能夠從 PyCharm 運行 pyspark 代碼。 試試下面的代碼:
# Imports
from pyspark.sql import SparkSession
from pyspark import SparkConf, SparkContext
#Create SparkSession
spark = SparkSession.builder \
.appName('DataFrame') \
.master('local[*]')\
.config('spark.jars', '<path>/spark-avro_2.11-2.4.4.jar') \
.getOrCreate()
df = spark.read.format('avro').load('<path>/userdata1.avro')
df.show()
上面的代碼可以工作,但 PyCharm 會抱怨 pyspark 模塊。 要刪除它並啟用代碼完成功能,請遵循以下附加步驟:
spark-2.4.3-bin-hadoop2.7/python/lib/py4j-0.10.7-src.zip
現在您的項目結構應如下所示:
pyspark --jars /<path_to>/spark-avro_<version>.jar
Spark 3.0.2 對我有用
簡單的解決方案可以使用spark-submit
命令在 pycharm 內的Terminal
選項卡中提交模塊,如下所示。
命令的一般語法:
spark-submit --packages <package_name> <script_path>
由於 avro 是所需的包, com.databricks:spark-avro_2.11:4.0.0
應包含com.databricks:spark-avro_2.11:4.0.0
包。 所以最后的命令將是
spark-submit --packages com.databricks:spark-avro_2.11:4.0.0 <script_path>
你的 Spark 版本和你的 avro JAR 版本應該同步
例如:如果您使用的是 spark 3.1.2 並且您的 avro jar 版本應該是 spark-avro_2.12-3.1.2.jar
示例代碼:
spark = SparkSession.builder.appName('DataFrame').\
config('spark.jars','C:\\Users\\<<User_Name>>\\Downloads\\spark-avro_2.12-3.1.2.jar').getOrCreate()
df = spark.read.format('avro').load('C:\\Users\\<<user name>>\\Downloads\\sample.avro')
df.show()
Output:
+-------------------+-------+------+------------+------------+--------------------+-------+-----------+--------------------+-----------------+------------------+-------+------------+--------------+--------------+----------+--------------------+
| datetime|country|region|publisher_id|placement_id| impression_id|consent| hostname| uuid|placement_type_id|iab_device_type_id|site_id|request_type|placement_type|bid_url_domain|app_bundle| tps|
+-------------------+-------+------+------------+------------+--------------------+-------+-----------+--------------------+-----------------+------------------+-------+------------+--------------+--------------+----------+--------------------+
|2021-07-30 14:55:18| null| null| 5016| 5016|8bdf2cf1-3a17-473...| 4|test.server|9515d578-9ee0-462...| 0| 5| 5016| advast| video| null| null|{5016 -> {5016, n...|
|2021-07-30 14:55:22| null| null| 2702| 2702|ab3b63d1-a916-4d7...| 4|test.server|9515d578-9ee0-462...| 1| 2| 2702| adi| banner| null| null|{2702 -> {2702, n...|
|2021-07-30 14:55:24| null| null| 1106| 1106|574f078f-0fc6-452...| 4|test.server|9515d578-9ee0-462...| 1| 2| 1106| adi| banner| null| null|{1106 -> {1106, n...|
|2021-07-30 14:55:25| null| null| 1107| 1107|54bf5cf8-3438-400...| 4|test.server|9515d578-9ee0-462...| 1| 2| 1107| adi| banner| null| null|{1107 -> {1107, n...|
|2021-07-30 14:55:27| null| null| 4277| 4277|b3508668-3ad5-4db...| 4|test.server|9515d578-9ee0-462...| 1| 2| 4277| adi| banner| null| null|{4277 -> {4277, n...|
+-------------------+-------+------+------------+------------+--------------------+-------+-----------+--------------------+-----------------+------------------+-------+------------+--------------+--------------+----------+--------------------+
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.