SparkR Collect 数据报错
背景描述
在编写sparkR 的时候使用 (在开启的arrow
功能)
collect(sql("select max(id) from xxxTable"))
程序会报如下错误:
Error in readBin(con, raw(), as.integer(dataLen), endian = "big") :
软件环境:
- spark包版本:3.0.2
- arrow版本 0.16.0
原因
这是早起sparkR的一个bug,在新版本的sparkR下,已经修复了这个问题。比如截止到这篇水文的提交,spark版本已经发布到了3.1.2,,这个时候spark源码中的arrow的版本包已经升级到 arrow 2.0.0 了,另外arrow 的版本已经更新到了5.0.0
解决办法
更新spark默认程序包的arrow相关的jar包版本,以及升级本地arrow的版本,即可处理这些问题。(亲测)
总结:
这个问题最后的处理过程很简单,但是寻找这个如何解决这个问题的流程中,看到早先一些前辈对这个问题的研究和当时他们的解决办法,看到源码。收获还是不小的。