【问题标题】:PySpark createExternalTable() from SQLContext来自 SQLContext 的 PySpark createExternalTable()
【发布时间】:2016-11-19 01:47:04
【问题描述】:

使用 Spark 1.6.1。我在 mariaDb 中有一堆表,我希望将它们转换为 pySpark DataFrame 对象。但是 createExternalTable() 正在抛出。例如:

In [292]: tn = sql.tableNames()[10]

In [293]: df = sql.createExternalTable(tn)


/home/charles/spark-1.6.1/python/lib/py4j-0.9-src.zip/py4j/protocol.py in get_return_value(answer, gateway_client, target_id, name)


306                 raise Py4JJavaError(
307                     "An error occurred while calling {0}{1}{2}.\n".
--> 308                     format(target_id, ".", name), value)
309             else:
310                 raise Py4JError(

Py4JJavaError: An error occurred while calling o18.createExternalTable.
: java.lang.RuntimeException: Tables created with SQLContext must be TEMPORARY. Use a HiveContext instead.
at scala.sys.package$.error(package.scala:27)
at org.apache.spark.sql.execution.SparkStrategies$DDLStrategy$.apply(SparkStrategies.scala:379)
at org.apache.spark.sql.catalyst.planning.QueryPlanner$$anonfun$1.apply(QueryPlanner.scala:58)
at org.apache.spark.sql.catalyst.planning.QueryPlanner$$anonfun$1.apply(QueryPlanner.scala:58)
at scala.collection.Iterator$$anon$13.hasNext(Iterator.scala:371)
at org.apache.spark.sql.catalyst.planning.QueryPlanner.plan(QueryPlanner.scala:59)
at org.apache.spark.sql.execution.QueryExecution.sparkPlan$lzycompute(QueryExecution.scala:47)
at org.apache.spark.sql.execution.QueryExecution.sparkPlan(QueryExecution.scala:45)
at org.apache.spark.sql.execution.QueryExecution.executedPlan$lzycompute(QueryExecution.scala:52)
at org.apache.spark.sql.execution.QueryExecution.executedPlan(QueryExecution.scala:52)
at org.apache.spark.sql.execution.QueryExecution.toRdd$lzycompute(QueryExecution.scala:55)
at org.apache.spark.sql.execution.QueryExecution.toRdd(QueryExecution.scala:55)
at org.apache.spark.sql.SQLContext.createExternalTable(SQLContext.scala:695)
at org.apache.spark.sql.SQLContext.createExternalTable(SQLContext.scala:668)
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:606)
at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:381)
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:209)
at java.lang.Thread.run(Thread.java:745)

如果我指定 source='jdbc',也会发生同样的事情。

表存在:

In [297]: sql.sql("SELECT * from {} LIMIT 5".format(tn)).show()
+--------------------+-----+-----+-----+----+------+------+------+----------------------+----+----+----+-----+
|                Date| Open| High|  Low|Last|Change|Settle|Volume|Prev_Day_Open_Interest|prod|exch|year|month|
+--------------------+-----+-----+-----+----+------+------+------+----------------------+----+----+----+-----+
|1999-10-29 00:00:...|245.0|245.0|245.0|null|  null| 245.0|   1.0|                   1.0|   C| CME|2001|    H|
|1999-11-01 00:00:...|245.0|245.0|245.0|null|  null| 245.0|   0.0|                   1.0|   C| CME|2001|    H|
|1999-11-02 00:00:...|245.0|245.0|245.0|null|  null| 245.0|   0.0|                   1.0|   C| CME|2001|    H|
|1999-11-03 00:00:...|245.0|245.5|245.0|null|  null| 245.5|   5.0|                   6.0|   C| CME|2001|    H|
|1999-11-04 00:00:...|245.5|245.5|245.5|null|  null| 245.5|   0.0|                   6.0|   C| CME|2001|    H|
+--------------------+-----+-----+-----+----+------+------+------+----------------------+----+----+----+-----+

根据错误,这应该适用于 HIVE 数据。我没有使用 HIVEContext,而是使用 SQLContext。根据https://spark.apache.org/docs/latest/api/python/pyspark.sql.html,ver >= 1.3 支持此功能。

有没有办法从 SqlTable 中提取 DataFrame?

【问题讨论】:

  • 能解释一下你到底想达到什么目标吗?看起来您已经使用该名称注册了表。其他必需选项在哪里。您使用createExternalTable 的方式将无效,即使它不是因为您看到的错误。
  • 一个图书馆为我注册了这些表。现在它们已注册,我希望直接作为 pySpark DataFrames 进行操作。

标签: apache-spark pyspark pyspark-sql


【解决方案1】:

在这里给出一个描述,你想要的不是用于管理 Hive 表的createExternalTable,而是简单的表:

df = sqlContext.table(tn)

或分配sql调用的结果:

df = sqlContext.sql("SELECT * from {}".format(tn))

【讨论】:

  • 是的-谢谢!从文档中不清楚 createExternalTable() 仅适用于 Hive 上下文。
  • 实际上,据我所知,它相当于 HIve 中的 CREATE EXTERNAL TABLE,这与您在这里想要的相反。
猜你喜欢
  • 2016-07-28
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
  • 2016-06-30
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多