将 SQLserver jdbc 驱动程序连接到 Dataproc 集群

Posted 2023-03-27

【中文标题】将 SQLserver jdbc 驱动程序连接到 Dataproc 集群

【英文标题】：Connecting SQLserver jdbc driver to Dataproc cluster

【发布时间】：2018-11-26 09:57:28

【问题描述】：

我正在开发用于分析航空数据的 PySpark 应用程序。数据库是一个 MS SQLServer DB。在连接到服务器上的数据库时。我收到“没有合适的驱动程序”的错误。但是，当我使用 CLI 在本地计算机上运行并将 JDBC 驱动程序 jar 文件添加到驱动程序类路径时，它会运行并与 DB 连接。但是当我尝试在 Dataproc 集群上运行时，它会抛出“没有合适的驱动程序”的错误。

sn-p代码如下：

from pyspark import SparkContext
from pyspark.sql import SparkSession
from pyspark.sql.dataframe import DataFrame
from pyspark.sql.functions import *

spark = SparkSession.builder
    .appName('Test')
    .getOrCreate()

df = spark.read.format("jdbc").options(
        url="jdbc:sqlserver:XYXYXY",
        database="data1",
        user="YYYY", password="XXXX",
        dbtable="db")
    .load()

错误是：

Py4JJavaError: An error occurred while calling o209.load.
: java.sql.SQLException: No suitable driver
    at java.sql.DriverManager.getDriver(DriverManager.java:315)
    at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions$$anonfun$7.apply(JDBCOptions.scala:84)
    at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions$$anonfun$7.apply(JDBCOptions.scala:84)
    at scala.Option.getOrElse(Option.scala:121)
    at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions.<init>(JDBCOptions.scala:83)
    at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions.<init>(JDBCOptions.scala:34)
    at org.apache.spark.sql.execution.datasources.jdbc.JdbcRelationProvider.createRelation(JdbcRelationProvider.scala:34)
    at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:307)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:178)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:146)
    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:280)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:214)
    at java.lang.Thread.run(Thread.java:748)

还有其他方法可以将 JDBC jar 文件添加到 Dataproc 集群吗？

【问题讨论】：

如果你不能显示代码，也许你可以简化它，改变变量名等，所以它有类似的行为，但没有什么秘密了。

我已经更新了我的问题。

您可以尝试在主节点的/usr/lib/spark/jars下添加jdbc jar。

我试过了，还是一样的错误

【参考方案1】：

这里有一个非常相似的question 和answer，它显示了如何使用gcloud 命令将 JDBC 驱动程序添加到 Spark 驱动程序类路径：

$ gcloud dataproc jobs submit spark ... \
    --jars=gs://<BUCKET>/<DIRECTORIES>/<JAR_NAME> \
    --properties=spark.driver.extraClassPath=<JAR_NAME>