通过 JDBC 驱动程序将 Spark 连接到 HAWQ

Question

尝试使用 greenplum 的 odbc/jdbc 驱动程序（从正确的 Pivotal 页面下载）从 Spark 连接到 HAWQ。

使用 Spark 1.4，下面是 python 中编写的示例代码：（所有大写字母都有适当的变量分配） ...

from pyspark import SparkContext
from pyspark.sql import SQLContext


sc = SparkContext()
sqlContext = SQLContext(sc)

df = sqlContext.read.load(source='jdbc',\
                      url='IP_ADDRESS:PORT/DB_NAME?user=USERNAME&password=PASSWORD&ssl=true',\
                      dbtable='SCHEMA.TABLE_NAME')

...

Spark 提交命令将 odbc 驱动程序附加到类路径。我已经用基本的 sqlContext 实例化完成了 'hello world'，集群上的一切都正常运行。但是当我尝试实际连接到 HAWQ postgresql 数据库时，它不会运行.

错误：

py4j.protocol.Py4JJavaError: An error occurred while calling o24.load.
: java.util.NoSuchElementException: key not found: path
        at scala.collection.MapLike$class.default(MapLike.scala:228)
        at org.apache.spark.sql.sources.CaseInsensitiveMap.default(ddl.scala:467)
        at scala.collection.MapLike$class.apply(MapLike.scala:141)
        at org.apache.spark.sql.sources.CaseInsensitiveMap.apply(ddl.scala:467)
        at org.apache.spark.sql.sources.ResolvedDataSource$.apply(ddl.scala:273)
        at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:114)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:601)
        at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
        at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)
        at py4j.Gateway.invoke(Gateway.java:259)
        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(Thread.java:722)

有什么想法或建议吗？我已经尝试了至少 20 种 "df = sqlContext.read.load..." 定义的组合，但无济于事。

Answer 1

JDBC 的正确格式应该是这样的

df = sqlContext.read.format('jdbc').options(url='jdbc:postgresql://node1:5432/postgres?user=myuser&password=password',dbtable='test').load()

这里还有一个例子 http://spark.apache.org/docs/latest/sql-programming-guide.html#jdbc-to-other-databases

通过 JDBC 驱动程序将 Spark 连接到 HAWQ

Connecting Spark to HAWQ via JDBC driver

apache-spark-sql

pyspark-sql

hawq