在 pyspark 中无法读取 avro 格式问题

Posted 2023-04-17

【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。

【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/下

【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