apache-spark – org.apache.spark.sql.SQLContext无法加载文件

2019年7月28日 187次阅读

我有一个简单的Spark作业,它从管道分离的文件中读取值并在其上执行一些业务逻辑,并在我们的DB中写入已处理的值.

所以要加载文件,我使用的是org.apache.spark.sql.SQLContext.这是我必须将文件作为DataFrame加载的代码

 DataFrame df = sqlContext.read()
            .format("com.databricks.spark.csv")
            .option("header", "false")
            .option("comment", null)
            .option("delimiter", "|")
            .option("quote", null)
            .load(pathToTheFile);

现在的问题是
1.加载功能无法加载文件
2.除了在我的控制台中,它没有提供有关该问题的更多细节(例外)

WARN  2017-11-07 17:26:40,108 akka.remote.ReliableDeliverySupervisor: Association with remote system [akka.tcp://sparkExecutor@172.17.0.2:35359] has failed, address is now gated for [5000] ms. Reason is: [Disassociated].
ERROR 2017-11-07 17:26:40,134 org.apache.spark.scheduler.cluster.SparkDeploySchedulerBackend: Asked to remove non-existent executor 0

并继续进行投票.

我确信,该​​文件在正确格式的预期文件夹中可用.但不知道这个日志是什么以及为什么SQLContext能够加载文件.

这是我的build.gradle的依赖项部分：

dependencies {

provided(
        [group: 'org.apache.spark', name: 'spark-core_2.10', version: '1.4.0'],
        [group: 'org.apache.spark', name: 'spark-sql_2.10', version: '1.4.0'],
        [group: 'com.datastax.spark', name: 'spark-cassandra-connector-java_2.10', version: '1.4.0']
)

    compile([
            [group: 'com.databricks', name: 'spark-csv_2.10', version: '1.4.0'],
    ])


}

我在docker容器中运行这个工作

任何帮助,将不胜感激

最佳答案 您可以检查该问题是否与
as this thread不同：

07001 short, akka opens up dynamic, 07002. So, simple NAT fails.
You might try some trickery with a DNS server and docker’s --net=host.

Based on Jacob’s suggestion, I started using --net=host which is a new option in latest version of docker.
I also set SPARK_LOCAL_IP to the host’s IP address and then AKKA does not use the hostname and I don’t need the Spark driver’s hostname to be resolvable.

您还可以将Dockerfile与P7h/docker-spark 2.2.0中使用的Dockerfile进行比较,看看是否存在可能解释该问题的任何差异.

点赞