(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

DSX PySpark 使用自定义 JDBC 方言将数据写入 dashDB

如何使用 JDBC 源在 (Pyspark?

如何使用 JDBC 源在 (Pyspark?

即使使用 PySpark 存在表,如何写入 Microsoft SQL Server 表