Python Pyspark-配置Amazon Redshift JDBC jar
我试图使用Python Pyspark-配置Amazon Redshift JDBC jar,python,apache-spark,jdbc,jar,amazon-redshift,Python,Apache Spark,Jdbc,Jar,Amazon Redshift,我试图使用spark redshiftdatabricks包,但无法使redshiftjdbc驱动程序正常工作。我已从下载了最新版本,并保存到s3存储桶中 这就是我启动spark shell的方式 MASTER=yarn-client IPYTHON=1 PYSPARK_PYTHON=/usr/bin/python27 /usr/lib/spark/bin/pyspark --packages com.databricks:spark-avro_2.10:2.0.1,com.databrick
spark redshift
databricks包,但无法使redshift
jdbc
驱动程序正常工作。我已从下载了最新版本,并保存到s3存储桶中
这就是我启动spark shell的方式
MASTER=yarn-client IPYTHON=1 PYSPARK_PYTHON=/usr/bin/python27 /usr/lib/spark/bin/pyspark
--packages com.databricks:spark-avro_2.10:2.0.1,com.databricks:spark-redshift_2.10:1.1.0
--jars 's3://pathto/RedshiftJDBC42-1.2.1.1001.jar'
我正试图按照databricks自述文件从Redshift读取数据
df = sql_context.read \
.format("com.databricks.spark.redshift") \
.option("url", "jdbc:redshift://redshifthost:5439/database?user=username&password=pass") \
.option("dbtable", "my_table") \
.option("tempdir", "s3n://path/for/temp/data") \
.load()
但我得到一个配置错误:
Py4JJavaError: An error occurred while calling o46.load.
: java.lang.ClassNotFoundException: Could not load an Amazon Redshift JDBC driver; see the README for instructions on downloading and configuring the official Amazon driver.
jar文件似乎已被读取,因此不确定如何以不同的方式指定它。当我意识到自己做错了什么时,只是更新了这个文件。我在s3存储桶中引用jar文件,但这需要在集群本地可用
aws s3 cp s3://pathto/RedshiftJDBC42-1.2.1.1001.jar /tmp/
我也在尝试做同样的事情,但是得到了未解决的依赖错误,您是否安装了任何软件包或对运行进行了任何配置更改。