Python 3.x 如何使用特定JAR运行python spark脚本

我必须在EMR实例上运行python脚本，使用pyspark查询dynamoDB。我可以通过在pyspark上查询dynamodb来做到这一点，pyspark是通过包含以下jar来执行的

我运行了以下python3脚本，以使用pysparkpython模块查询数据

import time
from pyspark import SparkContext, SparkConf
from pyspark.sql import SparkSession, HiveContext

start_time = time.time()
SparkContext.setSystemProperty("hive.metastore.uris", "thrift://nn1:9083")
sparkSession = (SparkSession
                .builder
                .appName('example-pyspark-read-and-write-from-hive')
                .enableHiveSupport()
                .getOrCreate())
df_load = sparkSession.sql("SELECT * FROM example")
df_load.show()
print(time.time() - start_time)

这导致以下缺少JAR的运行时异常

java.lang.ClassNotFoundException Class org.apache.hadoop.hive.dynamodb.DynamoDBSerDe not found

如何将

pyspark--jars..

转换为pythonic等价物

---

到目前为止，我尝试将JAR从位置

/usr/share/…

复制到

$SPARK\u HOME/libs/jars

，并将该路径添加到SPARK-defaults.conf外部类路径，但没有效果。

使用SPARK submit命令执行python脚本。例如：

spark-submit --jars /usr/share/aws/emr/ddb/lib/emr-ddb-hive.jar,/usr/share/aws/emr/ddb/lib/emr-ddb-hadoop.jar script.py

我想这就是你要找的。

spark-submit --jars /usr/share/aws/emr/ddb/lib/emr-ddb-hive.jar,/usr/share/aws/emr/ddb/lib/emr-ddb-hadoop.jar script.py