Spark无法处理递归avro数据

Question

我有如下 avsc 架构：

{
  "name": "address",
  "type": [
     "null", 
        {
           "type":"record",
           "name":"Address",
           "namespace":"com.data",
           "fields":[
              {
                 "name":"address",
                 "type":[ "null","com.data.Address"],
                 "default":null
              }
           ]
        }
     ],
  "default": null
}

在 pyspark 中加载此数据时：

jsonFormatSchema = open("Address.avsc", "r").read()

spark = SparkSession.builder.appName('abc').getOrCreate()
df = spark.read.format("avro")\
.option("avroSchema", jsonFormatSchema)\
.load("xxx.avro")

我遇到了这样的异常：

"Found recursive reference in Avro schema, which can not be processed by Spark"

我尝试了很多其他配置，但都没有成功。要执行我使用 spark-submit:

--packages org.apache.spark:spark-avro_2.12:3.0.1

Answer 1

这是一个预期的功能，你可以看看“问题”：

https://issues.apache.org/jira/browse/SPARK-25718

Spark无法处理递归avro数据

Spark can not process recursive avro data

apache-spark

pyspark

avro

recursive-datastructures

spark-avro