如何使用 spark-avro 包从 spark-shell 读取 avro 文件?
How to use spark-avro package to read avro file from spark-shell?
我正在尝试使用 spark-avro
包,如 Apache Avro Data Source Guide 中所述。
当我提交以下命令时:
val df = spark.read.format("avro").load("~/foo.avro")
我得到一个错误:
java.util.ServiceConfigurationError: org.apache.spark.sql.sources.DataSourceRegister: Provider org.apache.spark.sql.avro.AvroFileFormat could not be instantiated
at java.util.ServiceLoader.fail(ServiceLoader.java:232)
at java.util.ServiceLoader.access0(ServiceLoader.java:185)
at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:384)
at java.util.ServiceLoader$LazyIterator.next(ServiceLoader.java:404)
at java.util.ServiceLoader.next(ServiceLoader.java:480)
at scala.collection.convert.Wrappers$JIteratorWrapper.next(Wrappers.scala:43)
at scala.collection.Iterator$class.foreach(Iterator.scala:891)
at scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
at scala.collection.TraversableLike$class.filterImpl(TraversableLike.scala:247)
at scala.collection.TraversableLike$class.filter(TraversableLike.scala:259)
at scala.collection.AbstractTraversable.filter(Traversable.scala:104)
at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:630)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:194)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:178)
... 49 elided
Caused by: java.lang.NoSuchMethodError: org.apache.spark.sql.execution.datasources.FileFormat.$init$(Lorg/apache/spark/sql/execution/datasources/FileFormat;)V
at org.apache.spark.sql.avro.AvroFileFormat.<init>(AvroFileFormat.scala:44)
at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
at java.lang.Class.newInstance(Class.java:442)
at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:380)
... 62 more
我尝试了 org.apache.spark:spark-avro_2.12:2.4.0
包的不同版本(2.4.0、2.4.1 和 2.4.2),我目前使用的是 Spark 2.4.1,但都没有用。
我使用以下命令启动我的 spark-shell:
spark-shell --packages org.apache.spark:spark-avro_2.12:2.4.0
tl;dr Since Spark 2.4.x+ provides built-in support for reading and writing Apache Avro data, but the spark-avro module is external and not included in spark-submit or spark-shell by default,您应该确保对 spark-shell
和 [= 使用相同的 Scala 版本(例如 2.12) 11=].
异常的原因是您使用了来自针对 Scala 2.11.12 构建的 Spark 的 spark-shell
,而 --packages
指定了与 Scala 2.12 的依赖项(在 org.apache.spark:spark-avro_2.12:2.4.0
中)。
使用 --packages org.apache.spark:spark-avro_2.11:2.4.0
应该没问题。
以防万一有人对 pyspark 2.7 和 spark 2.4.3 感兴趣
以下包有效
bin/pyspark --packages org.apache.spark:spark-avro_2.11:2.4.3
当我遇到同样的问题时,我注意到的另一件事是它第一次运行良好,然后显示错误。所以通过向 docker 文件添加 rm 命令来清除缓存。对我来说这就足够了。
我正在尝试使用 spark-avro
包,如 Apache Avro Data Source Guide 中所述。
当我提交以下命令时:
val df = spark.read.format("avro").load("~/foo.avro")
我得到一个错误:
java.util.ServiceConfigurationError: org.apache.spark.sql.sources.DataSourceRegister: Provider org.apache.spark.sql.avro.AvroFileFormat could not be instantiated
at java.util.ServiceLoader.fail(ServiceLoader.java:232)
at java.util.ServiceLoader.access0(ServiceLoader.java:185)
at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:384)
at java.util.ServiceLoader$LazyIterator.next(ServiceLoader.java:404)
at java.util.ServiceLoader.next(ServiceLoader.java:480)
at scala.collection.convert.Wrappers$JIteratorWrapper.next(Wrappers.scala:43)
at scala.collection.Iterator$class.foreach(Iterator.scala:891)
at scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
at scala.collection.TraversableLike$class.filterImpl(TraversableLike.scala:247)
at scala.collection.TraversableLike$class.filter(TraversableLike.scala:259)
at scala.collection.AbstractTraversable.filter(Traversable.scala:104)
at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:630)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:194)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:178)
... 49 elided
Caused by: java.lang.NoSuchMethodError: org.apache.spark.sql.execution.datasources.FileFormat.$init$(Lorg/apache/spark/sql/execution/datasources/FileFormat;)V
at org.apache.spark.sql.avro.AvroFileFormat.<init>(AvroFileFormat.scala:44)
at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
at java.lang.Class.newInstance(Class.java:442)
at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:380)
... 62 more
我尝试了 org.apache.spark:spark-avro_2.12:2.4.0
包的不同版本(2.4.0、2.4.1 和 2.4.2),我目前使用的是 Spark 2.4.1,但都没有用。
我使用以下命令启动我的 spark-shell:
spark-shell --packages org.apache.spark:spark-avro_2.12:2.4.0
tl;dr Since Spark 2.4.x+ provides built-in support for reading and writing Apache Avro data, but the spark-avro module is external and not included in spark-submit or spark-shell by default,您应该确保对 spark-shell
和 [= 使用相同的 Scala 版本(例如 2.12) 11=].
异常的原因是您使用了来自针对 Scala 2.11.12 构建的 Spark 的 spark-shell
,而 --packages
指定了与 Scala 2.12 的依赖项(在 org.apache.spark:spark-avro_2.12:2.4.0
中)。
使用 --packages org.apache.spark:spark-avro_2.11:2.4.0
应该没问题。
以防万一有人对 pyspark 2.7 和 spark 2.4.3 感兴趣
以下包有效
bin/pyspark --packages org.apache.spark:spark-avro_2.11:2.4.3
当我遇到同样的问题时,我注意到的另一件事是它第一次运行良好,然后显示错误。所以通过向 docker 文件添加 rm 命令来清除缓存。对我来说这就足够了。