파이썬 Apache Spark 사전 빌드 버전에서 spark-csv와 같은 새 라이브러리를 추가하는 방법

bin/spark-shell --packages com.databricks:spark-csv_2.10:1.0.3

오류 가져 오기

>>> df_cat.save("k.csv","com.databricks.spark.csv")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/abhishekchoudhary/bigdata/cdh5.2.0/spark-1.3.1/python/pyspark/sql/dataframe.py", line 209, in save
    self._jdf.save(source, jmode, joptions)
  File "/Users/abhishekchoudhary/bigdata/cdh5.2.0/spark-1.3.1/python/lib/py4j-0.8.2.1-src.zip/py4j/java_gateway.py", line 538, in __call__
  File "/Users/abhishekchoudhary/bigdata/cdh5.2.0/spark-1.3.1/python/lib/py4j-0.8.2.1-src.zip/py4j/protocol.py", line 300, in get_return_value
py4j.protocol.Py4JJavaError

Python 편집기에서 직접 spark-csv 에 액세스 할 수 있도록 Spark 사전 빌드 설정에서 jar 파일을 어디에 배치해야합니까?

 

해결 방법

 

spark-csv를 사용할 때 commons-csv jar도 다운로드해야했습니다 (아직 관련성이 있는지 확실하지 않음). 스파크 배포 폴더에있는 두 항아리.

다음과 같이 항아리를 다운로드했습니다.

wget http://search.maven.org/remotecontent?filepath=org/apache/commons/commons-csv/1.1/commons-csv-1.1.jar -O commons-csv-1.1.jar<br/>    
wget http://search.maven.org/remotecontent?filepath=com/databricks/spark-csv_2.10/1.0.0/spark-csv_2.10-1.0.0.jar -O spark-csv_2.10-1.0.0.jar

그런 다음 인수로 파이썬 스파크 셸을 시작했습니다.

./bin/pyspark --jars "spark-csv_2.10-1.0.0.jar,commons-csv-1.1.jar"

csv 파일에서 스파크 데이터 프레임을 읽습니다.

from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)
df = sqlContext.load(source="com.databricks.spark.csv", path = "/path/to/you/file.csv")
df.show()

 

참조 페이지 https://stackoverflow.com/questions/30757439