java 铺地板问题,python – Spark:读取分区的镶木地板数据中的DateType列时出错

我在S3中的镶木地板数据由nyc_date分区,格式为s3://mybucket/mykey/nyc_date=Y-m-d/*.gz.parquet.

我有一个DateType列event_date,当我尝试从S3读取并使用EMR写入hdfs时,由于某种原因抛出此错误.

from pyspark.sql import SparkSession

spark = SparkSession.builder.enableHiveSupport().getOrCreate()

df = spark.read.parquet('s3a://mybucket/mykey/')

df.limit(100).write.parquet('hdfs:///output/', compression='gzip')

错误:

java.lang.UnsupportedOperationException: org.apache.parquet.column.values.dictionary.PlainValuesDictionary$PlainBinaryDictionary

at org.apache.parquet.column.Dictionary.decodeToInt(Dictionary.java:48)

at org.apache.spark.sql.execution.vectorized.OnHeapColumnVector.getInt(OnHeapColumnVector.java:233)

at org.apache.spark.sql.catalyst.expressions.GeneratedClass$GeneratedIterator.processNext(Unknown Source)

at org.apache.spark.sql.execution.BufferedRowIterator.hasNext(BufferedRowIterator.java:43)

at org.apache.spark.sql.execution.WholeStageCodegenExec$$anonfun$8$$anon$1.hasNext(WholeStageCodegenExec.scala:370)

at scala.collection.Iterator$$anon$10.hasNext(Iterator.scala:389)

at scala.collection.Iterator$$anon$11.hasNext(Iterator.scala:408)

at org.apache.spark.shuffle.sort.BypassMergeSortShuffleWriter.write(BypassMergeSortShuffleWriter.java:125)

at org.apache.spark.scheduler.ShuffleMapTask.runTask(ShuffleMapTask.scala:79)

at org.apache.spark.scheduler.ShuffleMapTask.runTask(ShuffleMapTask.scala:47)

at org.apache.spark.scheduler.Task.run(Task.scala:86)

at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:274)

at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)

at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)

at java.lang.Thread.run(Thread.java:745)

这是我想出的:

>本地作品:-):我以相同的格式在本地复制了一些数据,可以查询.

>避免选择event_date有效:-):选择所有50列,但对于event_date不会导致任何错误.

>显式读取路径抛出错误:-(:将读取路径更改为“s3a://mybucket/mykey/*/*.gz.parquet”仍然会引发错误.

>指定模式仍然会引发错误:-(:在加载之前指定模式仍会导致相同的错误.

>我可以将包括eastern_date在内的数据加载到数据仓库中:-).

真的很奇怪,这只会导致DateType列的错误.我没有任何其他DateType列.

使用Spark 2.0.2和EMR 5.2.0.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值