代码之家 › 专栏 › 技术社区 › AngiSen

apache spark 2.0(pyspark)-找到csv的多个数据帧错误源

pyspark-sql pyspark apache-spark

0

AngiSen · 技术社区 · 8 年前

我正在尝试使用spark 2.0中的以下代码创建一个数据帧。在jupyter/console中执行代码时,我面临以下错误。有人能帮我摆脱这个错误吗?

错误:

py4jjavaerror:调用o34.csv时出错。 :java.lang.RuntimeException:找到CSV的多个源(org.apache.spark.sql.execution.datasources.csv.csvfileformat,com.databricks.spark.csv.defaultsource15),请指定完全限定的类名。在scala.sys.package$.error处(package.scala:27)

代码:

   from pyspark.sql import SparkSession
   if __name__ == "__main__":
      session = SparkSession.builder.master('local')
                     .appName("RealEstateSurvey").getOrCreate()
      df = session \
           .read \
           .option("inferSchema", value = True) \
           .option('header','true') \
           .csv("/home/senthiljdpm/RealEstate.csv")

     print("=== Print out schema ===")
     session.stop()

1 回复 | 直到 8 年前

1

3

Ramesh Maharjan 8 年前

错误是因为您必须同时拥有两个库( org.apache.spark.sql.execution.datasources.csv.CSVFileFormat 和 com.databricks.spark.csv.DefaultSource )在你的课堂上。斯帕克不知道该选哪一个。

你只需要告诉斯帕克 com.databricks.spark.csv.DefaultSource公司 通过定义 format 选项为

  df = session \
       .read \
       .format("com.databricks.spark.csv") \
       .option("inferSchema", value = True) \
       .option('header','true') \
       .csv("/home/senthiljdpm/RealEstate.csv")

另一种选择是 load 作为

  df = session \
       .read \
       .format("com.databricks.spark.csv") \
       .option("inferSchema", value = True) \
       .option('header','true') \
       .load("/home/senthiljdpm/RealEstate.csv")

2

0

rockyroad 7 年前

如果有人在Spple Java中遇到类似的问题,那可能是因为在类路径中有多个版本的SqsSQLjar。只是FIY。