Java 使用Pyspark读取S3数据，问题：NoClassDefFoundError:com/amazonaws/AmazonClientException

我对使用Pyspark读取s3数据的配置设置有问题。 我下载了hadoop-aws.jar和aws-java-sdk-1.11.734.jar。 它是一个单集群环境

这是我在pyspark中键入的代码

import os
import pyspark
from pyspark.sql import SparkSession
spark = SparkSession.builder\
            .config("spark.hadoop.fs.s3a.access.key", 'xxxxx')\
            .config("spark.hadoop.fs.s3a.secret.key", 'xxxxx')\
            .config("spark.jars.packages",'/spark/jars/aws-java-sdk-1.11.734.jar:/spark/jars/hadoop-aws-2.10.0.jar') \
            .getOrCreate()
df = spark.read.format('json').load('s3a://folder/file_1.json')

以下是错误消息：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/spark/python/pyspark/sql/readwriter.py", line 166, in load
    return self._df(self._jreader.load(path))
  File "/spark/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py", line 1257, in __call__
  File "/spark/python/pyspark/sql/utils.py", line 63, in deco
    return f(*a, **kw)
  File "/spark/python/lib/py4j-0.10.7-src.zip/py4j/protocol.py", line 328, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o99.load.
: java.lang.NoClassDefFoundError: com/amazonaws/AmazonClientException
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:348)
    at org.apache.hadoop.conf.Configuration.getClassByNameOrNull(Configuration.java:2134)
    at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:2099)
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:2193)
    at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2654)
    at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2667)
    at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)
    at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2703)
    at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2685)
    at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:373)
    at org.apache.hadoop.fs.Path.getFileSystem(Path.java:295)
    at org.apache.spark.sql.execution.streaming.FileStreamSink$.hasMetadata(FileStreamSink.scala:45)
    at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:332)
    at org.apache.spark.sql.DataFrameReader.loadV1Source(DataFrameReader.scala:223)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:211)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:178)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:282)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)
Caused by: java.lang.ClassNotFoundException: com.amazonaws.AmazonClientException
    at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:349)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
    ... 28 more

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
加载文件“/spark/python/pyspark/sql/readwriter.py”，第166行
返回self.\u df（self.\u jreader.load（路径））
文件“/spark/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py”，第1257行，在调用中__
文件“/spark/python/pyspark/sql/utils.py”，第63行，deco格式
返回f（*a，**kw）
文件“/spark/python/lib/py4j-0.10.7-src.zip/py4j/protocol.py”，第328行，在get_return_值中
py4j.protocol.Py4JJavaError:调用o99.load时出错。
：java.lang.NoClassDefFoundError:com/amazonaws/AmazonClientException
位于java.lang.Class.forName0（本机方法）
位于java.lang.Class.forName（Class.java:348）
位于org.apache.hadoop.conf.Configuration.getClassByNameOrNull（Configuration.java:2134）
位于org.apache.hadoop.conf.Configuration.getClassByName（Configuration.java:2099）
位于org.apache.hadoop.conf.Configuration.getClass（Configuration.java:2193）
位于org.apache.hadoop.fs.FileSystem.getFileSystemClass（FileSystem.java:2654）
位于org.apache.hadoop.fs.FileSystem.createFileSystem（FileSystem.java:2667）
位于org.apache.hadoop.fs.FileSystem.access$200（FileSystem.java:94）
位于org.apache.hadoop.fs.FileSystem$Cache.getInternal（FileSystem.java:2703）
位于org.apache.hadoop.fs.FileSystem$Cache.get（FileSystem.java:2685）
位于org.apache.hadoop.fs.FileSystem.get（FileSystem.java:373）
位于org.apache.hadoop.fs.Path.getFileSystem（Path.java:295）
位于org.apache.spark.sql.execution.streaming.FileStreamSink$.hasMetadata（FileStreamSink.scala:45）
位于org.apache.spark.sql.execution.datasources.DataSource.resolveRelation（DataSource.scala:332）
位于org.apache.spark.sql.DataFrameReader.loadV1Source（DataFrameReader.scala:223）
位于org.apache.spark.sql.DataFrameReader.load（DataFrameReader.scala:211）
位于org.apache.spark.sql.DataFrameReader.load（DataFrameReader.scala:178）
在sun.reflect.NativeMethodAccessorImpl.invoke0（本机方法）处
位于sun.reflect.NativeMethodAccessorImpl.invoke（NativeMethodAccessorImpl.java:62）
在sun.reflect.DelegatingMethodAccessorImpl.invoke（DelegatingMethodAccessorImpl.java:43）中
位于java.lang.reflect.Method.invoke（Method.java:498）
位于py4j.reflection.MethodInvoker.invoke（MethodInvoker.java:244）
位于py4j.reflection.ReflectionEngine.invoke（ReflectionEngine.java:357）
在py4j.Gateway.invoke处（Gateway.java:282）
位于py4j.commands.AbstractCommand.invokeMethod（AbstractCommand.java:132）
在py4j.commands.CallCommand.execute（CallCommand.java:79）
在py4j.GatewayConnection.run处（GatewayConnection.java:238）
运行（Thread.java:748）
原因：java.lang.ClassNotFoundException:com.amazonaws.AmazonClientException
位于java.net.URLClassLoader.findClass（URLClassLoader.java:382）
位于java.lang.ClassLoader.loadClass（ClassLoader.java:424）
位于sun.misc.Launcher$AppClassLoader.loadClass（Launcher.java:349）
位于java.lang.ClassLoader.loadClass（ClassLoader.java:357）
... 28多

如何处理“java.lang.ClassNotFoundException:com.amazonaws.AmazonClientException”错误？

---

请告诉我如何更改设置。非常感谢。

Hello@More_Bubbles，请尝试使用aws java sdk*.jar和hadoop aws*.jar指定conf“spark.driver.extraClassPath”好吗？用法：。另外，好的做法是使用conf文件：spark-defaults.conf，而不是在代码中指定conf。有关详细信息：