Я запускаю CDH 5.4, используя Spark 1.3.0 с поддержкой Spark on YARN. Когда я создаю простую паркетную таблицу в HIVE, а затем попытаюсь выполнить преобразование или агрегацию к ней с помощью PySpark, она вызывает это сообщение об ошибке. Есть предположения? Для того, чтобы воспроизвести проблему сделайте следующее ...Ошибки паркета в PySpark с использованием CDH 5.4 и Spark 1.3.0 с паркетным столом в HIVE
Hive:
CREATE TABLE IF NOT EXISTS TestTable_Parquet(
Investment_Id int,
Identifier string,
Package_Id int,
AsOfDate timestamp
) STORED AS PARQUET
;
INSERT INTO TABLE TestTable_Parquet
VALUES (1, "id1", 1, "2015-01-01")
;
PySpark
:test = sqlCtx.table("testtable_parquet")
test.filter(test.identifier == "id1")
Ошибка
Py4JJavaError Traceback (most recent call last)
<ipython-input-3-690105998113> in <module>()
1 test = sqlCtx.table("testtable_parquet")
----> 2 test.filter(test.identifier == "id1")
/usr/lib/spark/python/pyspark/sql/dataframe.py in filter(self, condition)
627 jdf = self._jdf.filter(condition)
628 elif isinstance(condition, Column):
--> 629 jdf = self._jdf.filter(condition._jc)
630 else:
631 raise TypeError("condition should be string or Column")
/usr/lib/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/java_gateway.py in __call__(self, *args)
536 answer = self.gateway_client.send_command(command)
537 return_value = get_return_value(answer, self.gateway_client,
--> 538 self.target_id, self.name)
539
540 for temp_arg in temp_args:
/usr/lib/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/protocol.py in get_return_value(answer, gateway_client, target_id, name)
298 raise Py4JJavaError(
299 'An error occurred while calling {0}{1}{2}.\n'.
--> 300 format(target_id, '.', name), value)
301 else:
302 raise Py4JError(
Py4JJavaError: An error occurred while calling o34.filter.
: org.apache.spark.sql.AnalysisException: resolved attributes identifier missing from investment_id,identifier,package_id,asofdate;
at org.apache.spark.sql.catalyst.analysis.CheckAnalysis.failAnalysis(CheckAnalysis.scala:37)
at org.apache.spark.sql.catalyst.analysis.CheckAnalysis$$anonfun$apply$3.apply(CheckAnalysis.scala:93)
at org.apache.spark.sql.catalyst.analysis.CheckAnalysis$$anonfun$apply$3.apply(CheckAnalysis.scala:43)
at org.apache.spark.sql.catalyst.trees.TreeNode.foreachUp(TreeNode.scala:88)
at org.apache.spark.sql.catalyst.analysis.CheckAnalysis.apply(CheckAnalysis.scala:43)
at org.apache.spark.sql.SQLContext$QueryExecution.assertAnalyzed(SQLContext.scala:1069)
at org.apache.spark.sql.DataFrame.<init>(DataFrame.scala:133)
at org.apache.spark.sql.DataFrame.logicalPlanToDataFrame(DataFrame.scala:157)
at org.apache.spark.sql.DataFrame.filter(DataFrame.scala:508)
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:379)
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:207)
at java.lang.Thread.run(Thread.java:745)
После недолгого игры, решение этой проблемы, как представляется, запуск этой команды множество конф первых, это требуется только когда вы хотите Спарк говорить Hive – DAE