python - Pyspark错误+方法__getnewargs__([])不存在

标签 python pyspark apache-spark-sql

我正在使用 spark 版本 2.2.0 和 Python 2.7。我正在使用 pyspark 连接 BigSQL 并尝试检索数据。以下是我使用的代码

import cPickle as cpick
import numpy as np
import pandas as pd
import time
import sys
from pyspark.sql.session import SparkSession 
spark = SparkSession.builder.getOrCreate() 
spark_train_df = spark.read.jdbc("jdbc:db2://BigSQL URL:Port:sslConnection=true;","Schema.Table",
             properties={"user": "my userid", 
                      "password": "password",
                      'driver' : 'com.ibm.db2.jcc.DB2Driver'})
spark_train_df.registerTempTable('data_table')
# query to get columns necessary to create indexes
sql = "select * FROM data_table"
train_df = spark.sql(sql)

cmr_dict = { 'date': time.strftime('%a, %b %d, %Y'),
            'description': '`cmrs` contains data from data_table',
           'cmrs': train_df}

with open('cmrs.pkl', mode='wb') as fp:
    cpick.dump(cmr_dict, fp, cpick.HIGHEST_PROTOCOL)

运行代码后我收到错误消息

Py4JError: An error occurred while calling o79.__getnewargs__. Trace:
py4j.Py4JException: Method __getnewargs__([]) does not exist
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:318)
    at py4j.reflection.ReflectionEngine.getMethod(ReflectionEngine.java:326)
    at py4j.Gateway.invoke(Gateway.java:272)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:214)
    at java.lang.Thread.run(Thread.java:748)

最佳答案

不可能 pickle Spark 分布式对象。这些只是 JVM 结构的代理,更不用说它们不包含任何数据(仅描述计算)。

如果你想 pickle 数据,收集并序列化结果

关于python - Pyspark错误+方法__getnewargs__([])不存在,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46734044/

相关文章:

python - 将 ID 与 Pandas DataFrame 上的名称匹配

python - 附加到每条打印的消息

python - 身份验证后无法访问共享邮箱 - 用户已通过身份验证但未连接

python - 如何从 PySpark 中的字符串获取列表

python - 连接 mysql 和 pyspark

python - NumPy 数组每列中负元素的总和

python - 无法在 Spark 上运行 TensorFlow

mysql - 条件下一次出现之前的值求和

scala - 只能对具有兼容列类型 Spark 数据框的表执行联合

apache-spark - PySpark 的第一个和最后一个函数一次完成一个分区