UserWarning：pyarrow.open_stream 已弃用，请使用 pyarrow.ipc.open_stream 警告

Question

我在运行 spark 2.4.2 本地通过 pyspark 进行 NLP 中的 ML 项目。管道中的部分预处理步骤涉及使用通过 pyarrow 优化的 pandas_udf 函数。每次我使用预处理的 spark 数据帧进行操作时，都会出现以下警告：

UserWarning: pyarrow.open_stream is deprecated, please use pyarrow.ipc.open_stream warnings.warn("pyarrow.open_stream is deprecated, please use "

我尝试更新 pyarrow 但没能避免警告。我的 pyarrow 版本是 0.14。我想知道这个警告的含义以及是否有人找到了解决方案？非常感谢您。

Spark 会话详细信息：

conf = SparkConf(). \
setAppName('map'). \
setMaster('local[*]'). \
set('spark.yarn.appMasterEnv.PYSPARK_PYTHON', '~/anaconda3/bin/python'). \
set('spark.yarn.appMasterEnv.PYSPARK_DRIVER_PYTHON', '~/anaconda3/bin/python'). \
set('executor.memory', '8g'). \
set('spark.executor.memoryOverhead', '16g'). \
set('spark.sql.codegen', 'true'). \
set('spark.yarn.executor.memory', '16g'). \
set('yarn.scheduler.minimum-allocation-mb', '500m'). \
set('spark.dynamicAllocation.maxExecutors', '3'). \
set('spark.driver.maxResultSize', '0'). \
set("spark.sql.execution.arrow.enabled", "true"). \
set("spark.debug.maxToStringFields", '100')

spark = SparkSession.builder. \
    appName("map"). \
    config(conf=conf). \
    getOrCreate()

Answer 1

我在 pycharm 中遇到了同样的问题，使用 jupyter lab 时似乎工作正常

Answer 2

此警告来自您的 pyspark 版本，该版本使用了 pyarrow 的已弃用函数。

但是一切正常，所以您可以暂时忽略警告，或者更新您的 pyspark 版本（在最新版本中，他们修复了已弃用的 pyarrow 函数的用法）

UserWarning：pyarrow.open_stream 已弃用，请使用 pyarrow.ipc.open_stream 警告

UserWarning: pyarrow.open_stream is deprecated, please use pyarrow.ipc.open_stream warnings

apache-spark

pyspark

user-defined-functions

pyarrow