将数据帧保存为AVRO Spark 2.4.0

Question

从Spark 2.4.0开始，可以在没有外部罐的情况下保存为AVRO。但是我根本无法工作。我的代码看起来像这样：

key = 'filename.avro'
df.write.mode('overwrite').format("avro").save(key)

我收到以下错误：

pyspark.sql.utils.AnalysisException: 'Failed to find data source: avro. Avro is built-in but external data source module since Spark 2.4. Please deploy the application as per the deployment section of "Apache Avro Data Source Guide".;'

所以我看一下Apache Avro数据源指南（https://spark.apache.org/docs/latest/sql-data-sources-avro.html），它给出了以下示例：

df=spark.read.format("avro").load("examples/src/main/resources/users.avro")

df.select("name","favorite_color").write.format("avro").save("namesAndFavColors.avro")

它是一样的，所以我迷路了..任何人都知道出了什么问题？

Answer 1

您链接的文档清楚地表明：

spark-avro模块是外置的，默认情况下不包含在spark-submit或spark-shell中。

并进一步说明如何包括该包。

所以你的声明：

从Spark 2.4.0开始，可以在没有外部罐的情况下保存为AVRO。 H

是不正确的。

Answer 2

spark-avro模块是外置的，默认情况下不包含在spark-submit或spark-shell中。

与任何Spark应用程序一样，spark-submit用于启动您的应用程序。 spark-avro_2.11及其依赖项可以使用--packages直接添加到spark-submit，例如，

./bin/spark-submit --packages org.apache.spark:spark-avro_2.11:2.4.0 ...

要在spark-shell上进行试验，您还可以使用--packages直接添加org.apache.spark：spark-avro_2.11及其依赖项，

./bin/spark-shell --packages org.apache.spark:spark-avro_2.11:2.4.0 ...