(Pyspark 使用 JDBC 写入 postgres 失败并出现 NullPointerException
Posted
技术标签:
【中文标题】(Pyspark 使用 JDBC 写入 postgres 失败并出现 NullPointerException【英文标题】:(Py)Spark wirting to postgres using JDBC fails with NullPointerException 【发布时间】:2020-10-20 21:04:05 【问题描述】:我正在尝试将 PySpark 计算的结果保存到 PostgreSQL 数据库中。
要保存数据框,我使用以下代码:
url = "jdbc:porstgresql://0:1/2".format(
postgres_config["url"],
postgres_config["port"],
postgres_config["database"]
)
table = "0.1".format(
postgres_config["schema"],
postgres_config["table_name"]
)
properties =
"user": "user",
"password": "****",
"driver": "org.postgresql.Driver"
writer = DataFrameWriter(df_result)
writer.jdbc(
url=url,
table=table,
mode=mode,
properties=properties
)
但是这会导致下面的异常,这个不太清楚。
py4j.protocol.Py4JJavaError: An error occurred while calling o412.jdbc.
: java.lang.NullPointerException
at org.apache.spark.sql.execution.datasources.jdbc.JdbcRelationProvider.createRelation(JdbcRelationProvider.scala:99)
at org.apache.spark.sql.execution.datasources.SaveIntoDataSourceCommand.run(SaveIntoDataSourceCommand.scala:46)
at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult$lzycompute(commands.scala:70)
at org.apache.spark.sql.execution.command.ExecutedCommandExec.sideEffectResult(commands.scala:68)
at org.apache.spark.sql.execution.command.ExecutedCommandExec.doExecute(commands.scala:86)
at org.apache.spark.sql.execution.SparkPlan$$anonfun$execute$1.apply(SparkPlan.scala:131)
at org.apache.spark.sql.execution.SparkPlan$$anonfun$execute$1.apply(SparkPlan.scala:127)
at org.apache.spark.sql.execution.SparkPlan$$anonfun$executeQuery$1.apply(SparkPlan.scala:155)
at org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:151)
at org.apache.spark.sql.execution.SparkPlan.executeQuery(SparkPlan.scala:152)
at org.apache.spark.sql.execution.SparkPlan.execute(SparkPlan.scala:127)
at org.apache.spark.sql.execution.QueryExecution.toRdd$lzycompute(QueryExecution.scala:80)
at org.apache.spark.sql.execution.QueryExecution.toRdd(QueryExecution.scala:80)
at org.apache.spark.sql.DataFrameWriter$$anonfun$runCommand$1.apply(DataFrameWriter.scala:654)
at org.apache.spark.sql.DataFrameWriter$$anonfun$runCommand$1.apply(DataFrameWriter.scala:654)
at org.apache.spark.sql.execution.SQLExecution$.withNewExecutionId(SQLExecution.scala:77)
at org.apache.spark.sql.DataFrameWriter.runCommand(DataFrameWriter.scala:654)
at org.apache.spark.sql.DataFrameWriter.saveToV1Source(DataFrameWriter.scala:273)
at org.apache.spark.sql.DataFrameWriter.save(DataFrameWriter.scala:267)
at org.apache.spark.sql.DataFrameWriter.jdbc(DataFrameWriter.scala:499)
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:282)
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)
我使用 jdbc-postgres-9.4.jar
作为驱动程序和 PostgreSQL 11.7。
你们有没有人经历过这个或类似的事情?或者有任何提示如何继续?
在我看来,好像无法创建表,但我不明白为什么。用户是管理员用户。
编辑 1:
计算我的结果的行,结果它有 0 行。这可能是这里的问题吗? 尝试使用填充的数据框并导致相同的错误
编辑 2:
使用 Spark2 时,它会导致上层堆栈跟踪。切换回 Spark1 会导致以下结果:
py4j.protocol.Py4JJavaError: An error occurred while calling o108.jdbc.
: java.lang.NullPointerException
at org.apache.spark.sql.DataFrameWriter.jdbc(DataFrameWriter.scala:308)
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: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:748)
它是上层堆栈跟踪的下半部分。可能暗示 Spark 内部有错误?
【问题讨论】:
9.4 驱动程序相当老旧,可能不一定适用于 PostgreSQL 11(尽管堆栈跟踪表明问题出在 Spark 本身)。考虑更新到更新的版本。 PostgreSQL JDBC 驱动的最新版本是 42.2.18。 我使用了最新版本的驱动程序,但仍然遇到同样的问题。我还检查了我的结果是否为空并计算了行数:原来它为零。这可能是这里的问题吗? 【参考方案1】:很难承认,错误是拼写错误...连接字符串错误。
NullPointerException
由于 Spark 版本 this issue。
【讨论】:
以上是关于(Pyspark 使用 JDBC 写入 postgres 失败并出现 NullPointerException的主要内容,如果未能解决你的问题,请参考以下文章
使用 PySpark JDBC 将数据帧写入 Azure SQL 数据库时性能下降
Pyspark 数据框:将 jdbc 写入具有给定模式的表的动态创建