python - 在 Databricks 下连接到 Redshift 会导致 Java 错误

标签 python amazon-s3 databricks

尝试使用 Python 连接到 Databricks 下的 Redshift 时出现 Java 错误。据我所知,所提供的所有信息都是正确的。甚至不知道在哪里以及如何解决问题。任何建议都将不胜感激!

我已附加 RedshiftJDBC42_1_2_10_1009.jar。我还测试了使用 key 访问 s3 存储桶。

如果我不添加选项(“forward_spark_s3_credentials”,“true”),系统会告诉我添加指定选项。如果我更改存储桶名称,我会收到消息说该存储桶不存在。

Py4JJavaError                             Traceback (most recent call last)
<ipython-input-22-12ce019dbd97> in <module>()
     10 #df = spark.read \
     11 
---> 12 df = sql_context.read   .format("com.databricks.spark.redshift")   
.option("forward_spark_s3_credentials", "true")  .option("url",     
"jdbc:redshift://XXX:5439/oobe?user=XXX&password=XXX")   .option("query", 
"select * from steps")   .option("tempdir", "s3n://bucketName")   .load()


/databricks/spark/python/pyspark/sql/readwriter.py in load(self, path, format, schema, **options)
    153             return 
self._df(self._jreader.load(self._spark._sc._jvm.PythonUtils.toSeq(path)))
    154         else:
--> 155             return self._df(self._jreader.load())
    156 
    157     @since(1.4)

/databricks/spark/python/lib/py4j-0.10.4-src.zip/py4j/java_gateway.py in __call__(self, *args)
   1131         answer = self.gateway_client.send_command(command)
   1132         return_value = get_return_value(
-> 1133             answer, self.gateway_client, self.target_id, self.name)
   1134 
   1135         for temp_arg in temp_args:

/databricks/spark/python/pyspark/sql/utils.py in deco(*a, **kw)
     61     def deco(*a, **kw):
     62         try:
---> 63             return f(*a, **kw)
     64         except py4j.protocol.Py4JJavaError as e:
     65             s = e.java_exception.toString()

/databricks/spark/python/lib/py4j-0.10.4-src.zip/py4j/protocol.py in get_return_value(answer, gateway_client, target_id, name)
    317                 raise Py4JJavaError(
    318                     "An error occurred while calling {0}{1}{2}.\n".
--> 319                     format(target_id, ".", name), value)
    320             else:
    321                 raise Py4JError(

Py4JJavaError: An error occurred while calling o998.load.
: java.lang.NullPointerException
    at java.util.regex.Matcher.getTextLength(Matcher.java:1283)
    at java.util.regex.Matcher.reset(Matcher.java:309)
    at java.util.regex.Matcher.<init>(Matcher.java:229)
    at java.util.regex.Pattern.matcher(Pattern.java:1093)
    at scala.util.matching.Regex$MatchIterator.<init>(Regex.scala:742)
    at scala.util.matching.Regex.findAllIn(Regex.scala:360)
    at com.databricks.spark.redshift.Utils$.compareVersions(Utils.scala:344)
    at com.databricks.spark.redshift.JDBCWrapper.getConnector(RedshiftJDBCWrapper.scala:260)
    at com.databricks.spark.redshift.JDBCWrapper.getConnector(RedshiftJDBCWrapper.scala:307)
    at com.databricks.spark.redshift.RedshiftRelation$$anonfun$schema$1.apply(RedshiftRelation.scala:64)
    at com.databricks.spark.redshift.RedshiftRelation$$anonfun$schema$1.apply(RedshiftRelation.scala:61)
    at scala.Option.getOrElse(Option.scala:121)
    at com.databricks.spark.redshift.RedshiftRelation.schema$lzycompute(RedshiftRelation.scala:61)
    at com.databricks.spark.redshift.RedshiftRelation.schema(RedshiftRelation.scala:60)
    at org.apache.spark.sql.execution.datasources.LogicalRelation.<init>(LogicalRelation.scala:40)
    at org.apache.spark.sql.SparkSession.baseRelationToDataFrame(SparkSession.scala:396)
    at org.apache.spark.sql.DataFrameReader$$anonfun$load$1.apply(DataFrameReader.scala:148)
    at org.apache.spark.sql.DataFrameReader$$anonfun$load$1.apply(DataFrameReader.scala:148)
    at org.apache.spark.sql.execution.SQLExecution$.withFileAccessAudit(SQLExecution.scala:53)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:147)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:126)
    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:280)
    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:745)`

最佳答案

解决了!!! 问题是

  1. 我使用的是 RedshiftJDBC42-1.2.10.1009.jar —— 不好。尝试使用早期版本。我切换到 RedshiftJDBC41-1.1.10.1010.jar。

  2. 无需替换 key 中的/s。

祝你好运!

关于python - 在 Databricks 下连接到 Redshift 会导致 Java 错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48332216/

相关文章:

python - 如何在 __init__ 中设置只读 @property

.net - 有什么方法可以在不更改本地时钟的情况下以编程方式处理 S3 RequestTimeTooSkewed 错误

apache-spark-sql - Databricks/Spark SQL - 如何获取 map 类型字段中的数据

python - 使用 Databricks 中的 PySpark 在 Azure DataLake 中使用 partitionBy 和覆盖策略

python - 实现一种 "__tuple__"方法是一种干净的方法吗?

python - ipython notebook 'run all cells'是同时执行还是顺序执行?

python - API 和 API 库/包装器之间的区别

amazon-web-services - AWS r53 mx 记录无法创建

python - 使用 Boto3 使用自定义日志记录信息为 get_object 创建一个预签名的 S3 URL?

python - Databricks - 启动 REPL 失败