Postgresql Apache Spark:JDBC连接不工作
我以前也问过这个问题,但没有得到任何答案() 我已经在本地windows上成功安装了Spark 1.3.0,并使用pyspark shell运行示例程序进行测试 现在,我想对存储在Postgresql中的数据从Mllib运行关联,但我无法连接到Postgresql 我已经通过运行Postgresql Apache Spark:JDBC连接不工作,postgresql,jdbc,apache-spark,apache-spark-sql,Postgresql,Jdbc,Apache Spark,Apache Spark Sql,我以前也问过这个问题,但没有得到任何答案() 我已经在本地windows上成功安装了Spark 1.3.0,并使用pyspark shell运行示例程序进行测试 现在,我想对存储在Postgresql中的数据从Mllib运行关联,但我无法连接到Postgresql 我已经通过运行 pyspark --jars "C:\path\to\jar\postgresql-9.2-1002.jdbc3.jar" 我可以看到jar成功地添加到了环境UI中 当我在pysparkshell中运行以下命令时-
pyspark --jars "C:\path\to\jar\postgresql-9.2-1002.jdbc3.jar"
我可以看到jar成功地添加到了环境UI中
当我在pysparkshell中运行以下命令时-
from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)
df = sqlContext.load(source="jdbc",url="jdbc:postgresql://[host]/[dbname]", dbtable="[schema.table]")
我得到这个错误-
>>> df = sqlContext.load(source="jdbc",url="jdbc:postgresql://[host]/[dbname]", dbtable="[schema.table]")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Users\ACERNEW3\Desktop\Spark\spark-1.3.0-bin-hadoop2.4\python\pyspark\sql\context.py", line 482, in load
df = self._ssql_ctx.load(source, joptions)
File "C:\Users\ACERNEW3\Desktop\Spark\spark-1.3.0-bin-hadoop2.4\python\lib\py4j-0.8.2.1-src.zip\py4j\java_gateway.py", line 538, in __call__
File "C:\Users\ACERNEW3\Desktop\Spark\spark-1.3.0-bin-hadoop2.4\python\lib\py4j-0.8.2.1-src.zip\py4j\protocol.py", line 300, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o20.load.
: java.sql.SQLException: No suitable driver found for jdbc:postgresql://[host]/[dbname]
at java.sql.DriverManager.getConnection(DriverManager.java:602)
at java.sql.DriverManager.getConnection(DriverManager.java:207)
at org.apache.spark.sql.jdbc.JDBCRDD$.resolveTable(JDBCRDD.scala:94)
at org.apache.spark.sql.jdbc.JDBCRelation.<init> (JDBCRelation.scala:125)
at org.apache.spark.sql.jdbc.DefaultSource.createRelation(JDBCRelation.scala:114)
at org.apache.spark.sql.sources.ResolvedDataSource$.apply(ddl.scala:290)
at org.apache.spark.sql.SQLContext.load(SQLContext.scala:679)
at org.apache.spark.sql.SQLContext.load(SQLContext.scala:667)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
at java.lang.reflect.Method.invoke(Method.java:597)
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:619)
df=sqlContext.load(source=“jdbc”,url=“jdbc:postgresql://[host]/[dbname]”,dbtable=“[schema.table]”)
回溯(最近一次呼叫最后一次):
文件“”,第1行,在
加载文件“C:\Users\ACERNEW3\Desktop\Spark\Spark-1.3.0-bin-hadoop2.4\python\pyspark\sql\context.py”,第482行
df=自加载(源、作业)
文件“C:\Users\ACERNEW3\Desktop\Spark\Spark-1.3.0-bin-hadoop2.4\python\lib\py4j-0.8.2.1-src.zip\py4j\java\u gateway.py”,第538行,在u调用中__
文件“C:\Users\ACERNEW3\Desktop\Spark\Spark-1.3.0-bin-hadoop2.4\python\lib\py4j-0.8.2.1-src.zip\py4j\protocol.py”,第300行,在get\u return\u值中
py4j.protocol.Py4JJavaError:调用o20.load时出错。
:java.sql.SQLException:未找到适合jdbc的驱动程序:postgresql://[host]/[dbname]
位于java.sql.DriverManager.getConnection(DriverManager.java:602)
位于java.sql.DriverManager.getConnection(DriverManager.java:207)
位于org.apache.spark.sql.jdbc.JDBCRDD$.resolveTable(JDBCRDD.scala:94)
位于org.apache.spark.sql.jdbc.jdbc关系。(jdbcorrelation.scala:125)
位于org.apache.spark.sql.jdbc.DefaultSource.createRelation(jdbcreation.scala:114)
位于org.apache.spark.sql.sources.resolvedatasource$.apply(ddl.scala:290)
位于org.apache.spark.sql.SQLContext.load(SQLContext.scala:679)
位于org.apache.spark.sql.SQLContext.load(SQLContext.scala:667)
在sun.reflect.NativeMethodAccessorImpl.invoke0(本机方法)处
位于sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
在sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)中
位于java.lang.reflect.Method.invoke(Method.java:597)
位于py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
位于py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)
在py4j.Gateway.invoke处(Gateway.java:259)
位于py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
在py4j.commands.CallCommand.execute(CallCommand.java:79)
在py4j.GatewayConnection.run处(GatewayConnection.java:207)
运行(Thread.java:619)
当您使用错误版本的JDBC驱动程序时,似乎会抛出此错误。检查以确保你有正确的一个 特别注意: JDK1.1-JDBC1。请注意,在8.0版本中,JDBC1支持 已删除,所以请在更新服务器时更新JDK JDK1.2,1.3-JDBC2。JDK1.3+J2EE-JDBC2EE。这包括 对javax.sql类的额外支持 JDK1.4、1.5-JDBC3。这包含对SSL和javax.sql的支持,但不需要J2EE,因为它已添加到J2SE版本中。JDK1.6-JDBC4。对JDBC4方法的支持还不完全,但大多数方法都已实现 JDK1.7、1.8-JDBC41。不支持JDBC4方法 完成,但大多数方法都已实现
我在mysql/mariadb上遇到了这个问题,从 因此,您的pyspark命令应该是:
pyspark --conf spark.executor.extraClassPath=<jdbc.jar> --driver-class-path <jdbc.jar> --jars <jdbc.jar> --master <master-URL>
pyspark--conf spark.executor.extraClassPath=--驱动程序类路径--jars--master
另外,请注意pyspark启动时出现的错误,如“警告:本地jar…不存在,正在跳过”和“ERROR SparkContext:jar not found at…”,这可能意味着您拼写的路径错误。一个稍微优雅一点的解决方案:
val props = new Properties
props.put("driver", "org.postgresql.Driver")
sqlContext.read.jdbc("jdbc:postgresql://[host]/[dbname]", props)
请看这篇文章,把你的脚本放在所有选项之后 正如杰克建议的那样 “驱动程序”,“org.postgresql.driver” 缺少键值对。就我而言,我启动了pyspark作为:
pyspark --jars /path/to/postgresql-9.4.1210.jar
按照以下说明:
from pyspark.sql import DataFrameReader
url = 'postgresql://192.168.2.4:5432/postgres'
properties = {'user': 'myUser', 'password': 'myPasswd', 'driver': 'org.postgresql.Driver'}
df = DataFrameReader(sqlContext).jdbc(
url='jdbc:%s' % url, table='weather', properties=properties
)
df.show()
+-------------+-------+-------+-----------+----------+
| city|temp_lo|temp_hi| prcp| date|
+-------------+-------+-------+-----------+----------+
|San Francisco| 46| 50| 0.25|1994-11-27|
|San Francisco| 43| 57| 0.0|1994-11-29|
| Hayward| 54| 37|0.239999995|1994-11-29|
+-------------+-------+-------+-----------+----------+
测试日期:
- Ubuntu 16.04
- PostgreSQL server 9.5版
- 使用的Postgresql驱动程序是Postgresql-9.4.1210.jar
- Spark版本是Spark-2.0.0-bin-hadoop2.6
- 但我也相信,它也应该起作用 spark-2.0.0-bin-hadoop2.7
- Java JDK 1.8 64位
这很简单。要连接到外部数据库以将数据检索到Spark dataframes中,需要额外的jar文件。例如,MySQL需要JDBC驱动程序。下载驱动程序包并在集群中每个节点都可以访问的路径中提取mysql-connector-java-x.yy.zz-bin.jar。最好是共享文件系统上的路径。例如,对于Pouta虚拟集群,该路径将位于/shared_data下,这里我使用/shared_data/thirdparty_jars/ 通过从终端直接提交Spark作业,one可以指定–driver class path参数,该参数指向应提供给作业工人的额外JAR。但是,这种方法不起作用,因此我们必须在spark-defaults.conf文件(通常位于/opt/spark/conf目录)中为前端节点和工作节点配置这些路径 spark.driver.extraClassPath/“您的路径”/mysql-connector-java-5.1.35-bin.jar
spark.executor.extraClassPath/“您的路径”/mysql-connector-java-5.1.35-bin.jar绝对重复的可能重复!它是由同一个用户发布的!是的,它是重复的。。这是一个更详细的版本。请帮帮我,你不应该