Spark 2.4.1 не может прочитать файл Avro из HDFS

У меня есть простой блок кода для записи, а затем чтения фрейма данных в формате Avro. Поскольку библиотека Avro уже встроена в Spark 2.4.x,

Запись файлов Avro прошла успешно, и файлы были созданы в HDFS. Однако при чтении файлов возникает исключение AbstractMethodError. Кто-нибудь может поделиться со мной светом?

Я использовал внутреннюю библиотеку Spark, добавив пакет org.apache.spark: spark-avro_2.11: 2.4.1 в свой интерпретатор Spark nodebook Zeppelin.

Мой простой блок кода:

%pyspark

test_rows = [ Row(file_name = "test-guangzhou1", topic='camera1', timestamp=1, msg="Test1"),  Row(file_name = "test-guangzhou1", topic='camera1', timestamp=2, msg="Test2"), Row(file_name = "test-guangzhou3", topic='camera3', timestamp=3, msg="Test3"), Row(file_name = "test-guangzhou1", topic='camera1', timestamp=4, msg="Test4") ]

test_df = spark.createDataFrame(test_rows)

test_df.write.format("avro")
    .mode('overwrite').save("hdfs:///tmp/bag_parser279181359_3")

loaded_df =  spark.read.format("avro").load('hdfs:///tmp/bag_parser279181359_3')

loaded_df.show()

Сообщение об ошибке, которое я увидел:

Py4JJavaError: An error occurred while calling o701.collectToPython.
: java.lang.AbstractMethodError
    at org.apache.spark.sql.execution.FileSourceScanExec.inputRDD$lzycompute(DataSourceScanExec.scala:337)
    at org.apache.spark.sql.execution.FileSourceScanExec.inputRDD(DataSourceScanExec.scala:331)
    at org.apache.spark.sql.execution.FileSourceScanExec.inputRDDs(DataSourceScanExec.scala:357)
    at org.apache.spark.sql.execution.WholeStageCodegenExec.doExecute(WholeStageCodegenExec.scala:627)
    at org.apache.spark.sql.execution.SparkPlan$$anonfun$execute$1.apply(SparkPlan.scala:137)
    at org.apache.spark.sql.execution.SparkPlan$$anonfun$execute$1.apply(SparkPlan.scala:133)
    at org.apache.spark.sql.execution.SparkPlan$$anonfun$executeQuery$1.apply(SparkPlan.scala:161)
    at org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:151)
    at org.apache.spark.sql.execution.SparkPlan.executeQuery(SparkPlan.scala:158)
    at org.apache.spark.sql.execution.SparkPlan.execute(SparkPlan.scala:133)
    at org.apache.spark.sql.execution.SparkPlan.getByteArrayRdd(SparkPlan.scala:289)
    at org.apache.spark.sql.execution.SparkPlan.executeTake(SparkPlan.scala:381)
    at org.apache.spark.sql.execution.CollectLimitExec.executeCollect(limit.scala:38)
    at org.apache.spark.sql.Dataset$$anonfun$collectToPython$1.apply(Dataset.scala:3259)
    at org.apache.spark.sql.Dataset$$anonfun$collectToPython$1.apply(Dataset.scala:3256)
    at org.apache.spark.sql.Dataset$$anonfun$53.apply(Dataset.scala:3373)
    at org.apache.spark.sql.execution.SQLExecution$$anonfun$withNewExecutionId$1.apply(SQLExecution.scala:79)
    at org.apache.spark.sql.execution.SQLExecution$.withSQLConfPropagated(SQLExecution.scala:144)
    at org.apache.spark.sql.execution.SQLExecution$.withNewExecutionId(SQLExecution.scala:74)
    at org.apache.spark.sql.Dataset.withAction(Dataset.scala:3367)
    at org.apache.spark.sql.Dataset.collectToPython(Dataset.scala:3256)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:282)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)

(<class 'py4j.protocol.Py4JJavaError'>, Py4JJavaError(u'An error occurred while calling o701.collectToPython.\n', JavaObject id=o702), <traceback object at 0x7fc031b5c878>)

apache-spark hdfs avro bigdata avro-tools
person Martin Peng    schedule 10.06.2019    source источник

Ответы (2)


arrow_upward
2
arrow_downward

AbstractMethodError:

Вызывается, когда приложение пытается вызвать абстрактный метод. Обычно эту ошибку перехватывает компилятор; эта ошибка может возникнуть только во время выполнения, если определение некоторого класса несовместимо изменилось с момента последней компиляции текущего выполняемого метода.

Насколько мне известно, вы должны выяснить, какие версии вы использовали для компиляции и запуска.

person Ram Ghadiyaram    schedule 10.06.2019
comment
Спасибо, @Ram! Прежде чем добавить пакет org.apache.spark: spark-avro_2.12: 2.4.1 вместо scala 2.11, однако он показывает: java.util.ServiceConfigurationError: org.apache.spark.sql.sources.DataSourceRegister: Provider org. Не удалось создать экземпляр apache.spark.sql.avro.AvroFileFormat. - person Martin Peng; 10.06.2019
comment
Позвольте мне копать дальше. - person Martin Peng; 10.06.2019
comment
Спасибо, Рам! Хотя я еще не нашел первопричину. - person Martin Peng; 12.06.2019
comment
Вы когда-нибудь находили решение? - person Bert Kellerman; 15.11.2019

arrow_upward
0
arrow_downward

здесь задается похожий, но другой вопрос, относящийся к использованию спарк-авро на emr-5.28.0. Это не та же причина, что и обсуждаемая здесь в этом вопросе (поскольку этот вопрос был задан задолго до того, как emr-5.28.0 был доступен), но он достаточно похож, что я решил, что буду ссылаться на мой ответ на этот вопрос на тот случай, если кто-то наткнется на этот вопрос из-за похожей трассировки стека и аналогичный по звучанию вопрос.

person Jonathan Kelly    schedule 04.12.2019