Установка соединения с Drill с помощью pyspark

Я пытаюсь извлечь данные из базы данных MapR в фрейм данных, используя сверло для подключения в оболочке pyspark.

Вот что я делаю в своей оболочке pyspark:

 `dataframe_mysql = sqlContext.read.format("jdbc").option("url", "jdbc:drill:zk=localhost:5181/drill/demo_mapr_com-drillbits;schema=dfs;").option("driver","org.apache.drill.jdbc.Driver").option("dbtable","select * from dfs.`/DDDE/jsondb/ruleengine/testtransactions").option("user","root").option("password","mapr").load()`

К сожалению, я получаю следующую ошибку.

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/opt/mapr/spark/spark-1.6.3-bin-hadoop2.6/python/pyspark/sql/readwriter.py", line 139, in load
    return self._df(self._jreader.load())
  File "/opt/mapr/spark/spark-1.6.3-bin-hadoop2.6/python/lib/py4j-0.9-src.zip/py4j/java_gateway.py", line 813, in __call__
  File "/opt/mapr/spark/spark-1.6.3-bin-hadoop2.6/python/pyspark/sql/utils.py", line 45, in deco
    return f(*a, **kw)
  File "/opt/mapr/spark/spark-1.6.3-bin-hadoop2.6/python/lib/py4j-0.9-src.zip/py4j/protocol.py", line 308, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o88.load.
: java.lang.ClassNotFoundException: org.apache.drill.jdbc.Driver
        at java.net.URLClassLoader$1.run(URLClassLoader.java:366)
        at java.net.URLClassLoader$1.run(URLClassLoader.java:355)
        at java.security.AccessController.doPrivileged(Native Method)
        at java.net.URLClassLoader.findClass(URLClassLoader.java:354)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:425)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:358)
        at org.apache.spark.sql.execution.datasources.jdbc.DriverRegistry$.register(DriverRegistry.scala:38)
        at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$createConnectionFactory$1.apply(JdbcUtils.scala:45)
        at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$$anonfun$createConnectionFactory$1.apply(JdbcUtils.scala:45)
        at scala.Option.foreach(Option.scala:236)
        at org.apache.spark.sql.execution.datasources.jdbc.JdbcUtils$.createConnectionFactory(JdbcUtils.scala:45)
        at org.apache.spark.sql.execution.datasources.jdbc.JDBCRDD$.resolveTable(JDBCRDD.scala:120)
        at org.apache.spark.sql.execution.datasources.jdbc.JDBCRelation.<init>(JDBCRelation.scala:91)
        at org.apache.spark.sql.execution.datasources.jdbc.DefaultSource.createRelation(DefaultSource.scala:57)
        at org.apache.spark.sql.execution.datasources.ResolvedDataSource$.apply(ResolvedDataSource.scala:158)
        at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:119)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:606)
        at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
        at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:381)
        at py4j.Gateway.invoke(Gateway.java:259)
        at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
        at py4j.commands.CallCommand.execute(CallCommand.java:79)
        at py4j.GatewayConnection.run(GatewayConnection.java:209)
        at java.lang.Thread.run(Thread.java:745

Есть идеи, где я ошибаюсь?

Изменить: в sqlline я могу получить фрейм данных, выполнив следующие действия:

!connect jdbc:drill:zk=localhost:31010/drill/demo_mapr_com-drillbits;schema=dfs;
!connect jdbc:drill:zk=localhost:5181/drill/demo_mapr_com-drillbits;schema=dfs;
select * from dfs.`/DDDE/jsondb/ruleengine/testtransactions`;

apache-spark pyspark pyspark-sql apache-drill mapr
person AYa    schedule 11.08.2017    source источник
comment
Ваш драйвер jdbc для дрели присутствует в вашем кластере?   -  person eliasah    schedule 11.08.2017
comment
@eliasah не знаю, как это проверить. Кстати, проверьте редактирование.   -  person AYa    schedule 11.08.2017

Ответы (2)


arrow_upward
4
arrow_downward

JAR-файл драйвера Drill JDBC Driver должен существовать на клиентском компьютере, чтобы вы могли настроить драйвер для приложения или стороннего инструмента, который вы собираетесь использовать. Получить драйвер можно следующим образом:

Скопируйте JAR-файл drill-jdbc-all из следующего каталога установки Drill в свой рабочий каталог и выполните следующие действия, чтобы запустить скрипт:

./bin/spark-submit --jars drill-jdbc-all-<version>.jar your_spark_script.py

Если вы используете pyspark, вы должны сделать следующее:

pyspark --jars drill-jdbc-all-<version>.jar

Если вы не можете найти JAR, в папке установки для сверла:

$> tree jars/jdbc-driver/
jars/jdbc-driver/
 └── drill-jdbc-all-1.10.0.jar # this is it
person eliasah    schedule 11.08.2017
comment
На данный момент я запускаю команды в оболочке, а не в сценарии Python. - person AYa; 11.08.2017
comment
Спасибо. Ну у меня много банок от установки дрели в drill-1.10.0/jars. Я не нахожу drill-jdbc-all jar, но у меня есть drill-jdbc-1.10.0.jar. Это тот, который вы хотите, чтобы я скопировал? - person AYa; 11.08.2017
comment
Еще раз спасибо. Связь устанавливается хорошо. Некоторая проблема с моим Select Query. Спасибо. - person AYa; 11.08.2017
comment
Да конечно. Последнее, однако. Что именно должно быть указано в option("dbtable","select * from dfs./DDDE/jsondb/ruleengine/testtransactions)` ? Вроде выдает ошибку. - person AYa; 11.08.2017
comment
Давайте продолжим обсуждение в чате. - person AYa; 11.08.2017

arrow_upward
0
arrow_downward

Альтернативой использованию jar-файла драйвера ODBC Drill является использование RESTful API Drill, как описано здесь: https://drill.apache.org/docs/rest-api-introduction/#query

person DigitalFox    schedule 02.04.2020