在jupyter笔记本中使用pyspark时如何指定驱动程序类路径？

kluu 发表于 Dev

克鲁

我想在jupyter笔记本中使用pyspark查询PostgreSQL。我浏览了关于StackOverflow的很多问题，但是它们对我都不起作用，主要是因为答案似乎过时了。这是我的最小代码：

from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
url = 'jdbc:postgresql://host/dbname'
properties = {'user': 'username', 'password': 'pwd'}
df = spark.read.jdbc(url=url, table='tablename', properties=properties)

从笔记本运行此命令将引发以下错误：

Py4JJavaError: An error occurred while calling o69.jdbc.
: java.sql.SQLException: No suitable driver
at java.sql.DriverManager.getDriver(DriverManager.java:315)
at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions$$anonfun$7.apply(JDBCOptions.scala:85)
at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions$$anonfun$7.apply(JDBCOptions.scala:85)
at scala.Option.getOrElse(Option.scala:121)...

我发现的主要技巧在下面的链接中进行了总结，但是很遗憾，我无法在笔记本中使用这些技巧：

Pyspark连接到ipython Notebook中的Postgres数据库

注意：我正在使用Spark 2.3.1和Python 3.6.3，并且如果指定jar位置，则可以从pyspark shell连接到数据库。

pyspark --driver-class-path /home/.../postgresql.jar --jars /home/.../jars/postgresql.jar

感谢任何可以在这一方面帮助我的人。

编辑

我共享的链接中已经列出了如何在IPython Notebook中加载jar依赖项的答案，这些答案对我不起作用。我已经尝试从笔记本配置环境变量：

import os
os.environ['PYSPARK_SUBMIT_ARGS'] = '--driver-class-path /path/to/postgresql.jar --jars /path/to/postgresql.jar'

文件路径或文件本身没有任何问题，因为当我指定它并运行pyspark-shell时，它可以正常工作。

克鲁

使用config对我有用的方法：

from pyspark.sql import SparkSession
spark = SparkSession.builder.config('spark.driver.extraClassPath', '/path/to/postgresql.jar').getOrCreate()
url = 'jdbc:postgresql://host/dbname'
properties = {'user': 'username', 'password': 'pwd'}
df = spark.read.jdbc(url=url, table='tablename', properties=properties)

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。