在 pyspark 中无法读取 avro 格式问题

Posted

技术标签:

【中文标题】在 pyspark 中无法读取 avro 格式问题【英文标题】:cant read avro format issue in pyspark 【发布时间】:2021-03-08 11:22:02 【问题描述】:

我尝试使用命令行 df = spark.read.format("avro").load(path) 并收到错误消息“Avro 是内置但外部数据源模块从 Spark 2.4 开始。请按照“Apache Avro 数据源指南”的部署部分部署应用程序。

我试图解决这个问题,即使在安装了软件包之后也找不到任何解决方案,请任何人帮助我。谢谢

非常感谢有关如何从 s3 读取 avro 文件的任何其他最佳方式或建议。

【问题讨论】:

【参考方案1】:

您可以像这样开始您的 spark 提交:

./bin/spark-submit --packages org.apache.spark:spark-avro_2.11:2.4.5 

或者您手动将包 org.apache.spark:spark-avro_2.11:2.4.5 放入 spark 安装的所有 jar 文件夹中(我的意思是驱动程序和工作人员)

位于$SPARK_HOME/jars/

【讨论】:

我得到接收器类 org.apache.spark.sql.avro.AvroFileFormat 在使用虚拟环境时没有定义或继承已解析方法的实现

以上是关于在 pyspark 中无法读取 avro 格式问题的主要内容,如果未能解决你的问题,请参考以下文章

如何在 PySpark 中读取 Avro 文件

Pyspark 2.4.0,使用读取流从 kafka 读取 avro - Python

使用 pyspark 从 s3 读取/加载 avro 文件

无法将 Catalyst 类型 IntegerType 转换为 Avro 类型 ["null","int"]

无法读取 Kafka 主题 avro 消息

从 BigQuery 读取数据并将其写入云存储上的 avro 文件格式