我尝试在 AWS EMR 上的 Jupyter 笔记本上使用 pandas udf 但无济于事。 首先,我尝试使用我做的一个功能,但我无法让它工作,所以我尝试了一些我在这里找到的其他问题的答案示例,但我仍然无法让它工作。 我试过这段代码:
from pyspark.sql.functions import pandas_udf, PandasUDFType
from pyspark.sql.types import *
import pyspark.sql.functions as F
import pyarrow
df = spark.createDataFrame([
(1, "A", "X1"),
(2, "B", "X2"),
(3, "B", "X3"),
(1, "B", "X3"),
(2, "C", "X2"),
(3, "C", "X2"),
(1, "C", "X1"),
(1, "B", "X1"),
], ["id", "type", "code"])
schema = StructType([
StructField("code", StringType()),
])
@F.pandas_udf(schema, F.PandasUDFType.GROUPED_MAP)
def dummy_udaf(pdf):
pdf = pdf[['code']]
return pdf
df.groupBy('type').apply(dummy_udaf).show()
我得到这个错误:
Caused by: java.lang.SecurityException: class "io.netty.buffer.ArrowBuf"'s signer information does not match signer information of other classes in the same package
我尝试不使用 import pyarrow,但我得到了同样的错误。我还使用了有关该主题的答案中的其他代码,结果是一样的。
在 bootstrap shell 脚本中,我有一个 pip 安装行,如下所示:
sudo python3 -m pip install pandas==0.24.2 pyarrow==0.14.1
我试过使用 pyarrow 0.15.1,但没有任何改变。 你知道是什么导致了这个错误吗?谢谢!
最佳答案
设置以下版本
sudo python3 -m pip install pyarrow==0.14 pandas==1.1.4
关于apache-spark - EMR : class "io.netty.buffer.ArrowBuf"' 上的 Pandas udf 错误,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65325178/