java.util.HashMap PySpark 会话中缺失

Question

我在 Windows 7 x64 上使用 Apache Spark 1.4.0，Java 1.8.0_45 x64 和 Python 2.7.10 x86在 IPython 3.2.0

我正在尝试在 IPython 笔记本中编写一个基于 DataFrame 的程序，该程序从 SQL 服务器数据库读取和写回。

到目前为止我可以从数据库中读取数据

from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)
df = sqlContext.load(source="jdbc",url="jdbc:sqlserver://serverURL", dbtable="dbName.tableName", driver="com.microsoft.sqlserver.jdbc.SQLServerDriver", user="userName", password="password")

并将数据转换为 Panda 并按我的意愿进行操作。（这不仅仅是一点点麻烦，但是在spark-defaults.conf中将Microsoft的sqljdbc42.jar添加到spark.driver.extraClassPath后就可以了）

当我用DataFrameWriter API将数据写回SQL服务器时出现了当前问题：

df.write.jdbc("jdbc:sqlserver://serverURL", "dbName.SparkTestTable1", dict(driver="com.microsoft.sqlserver.jdbc.SQLServerDriver", user="userName", password="password"))

---------------------------------------------------------------------------
Py4JError                                 Traceback (most recent call last)
<ipython-input-19-8502a3e85b1e> in <module>()
----> 1 df.write.jdbc("jdbc:sqlserver://jdbc:sqlserver", "dbName.SparkTestTable1", dict(driver="com.microsoft.sqlserver.jdbc.SQLServerDriver", user="userName", password="password"))

C:\Users\User\Downloads\spark-1.4.0-bin-hadoop2.6\python\pyspark\sql\readwriter.pyc in jdbc(self, url, table, mode, properties)
    394         for k in properties:
    395             jprop.setProperty(k, properties[k])
--> 396         self._jwrite.mode(mode).jdbc(url, table, jprop)
    397 
    398 

C:\Python27\lib\site-packages\py4j\java_gateway.pyc in __call__(self, *args)
    536         answer = self.gateway_client.send_command(command)
    537         return_value = get_return_value(answer, self.gateway_client,
--> 538                 self.target_id, self.name)
    539 
    540         for temp_arg in temp_args:

C:\Python27\lib\site-packages\py4j\protocol.pyc in get_return_value(answer, gateway_client, target_id, name)
    302                 raise Py4JError(
    303                     'An error occurred while calling {0}{1}{2}. Trace:\n{3}\n'.
--> 304                     format(target_id, '.', name, value))
    305         else:
    306             raise Py4JError(

Py4JError: An error occurred while calling o49.mode. Trace:
py4j.Py4JException: Method mode([class java.util.HashMap]) does not exist
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:333)
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:342)
    at py4j.Gateway.invoke(Gateway.java:252)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:207)
    at java.lang.Thread.run(Unknown Source)

问题似乎是 py4j 在将我的 connectionProperties 字典转换为 JVM 对象时找不到 Java java.util.HashMap class。将我的 rt.jar（带路径）添加到 spark.driver.extraClassPath 并不能解决问题。从写入命令中删除字典可以避免此错误，但当然写入失败是由于缺少驱动程序和身份验证。

编辑：错误的 o49.mode 部分从运行更改为运行。

Answer 1

Davies Liu 在我错过的 Spark 用户邮件列表 found the problem. There is a subtle difference between the Scala and Python API 中。你必须传入模式字符串（例如 "overwrite"）作为 Python API 中的第 3 个参数，而 Scala API 中则不需要。如下更改语句可解决此问题：

df.write.jdbc("jdbc:sqlserver://serverURL", "dbName.SparkTestTable1", "overwrite", dict(driver="com.microsoft.sqlserver.jdbc.SQLServerDriver", user="userName", password="password"))

java.util.HashMap PySpark 会话中缺失

java.util.HashMap missing in PySpark session

python

py4j

apache-spark

pyspark