Python(pyspark) only supports DataFrames and not RDDs

13 篇文章 0 订阅

一、背景

 

用Mongo Spark Connector 来连接 python(pyspark)和MongoDB:

 

二、问题

报下面错误:

Py4JJavaError: An error occurred while calling z:org.apache.spark.api.python.PythonRDD.saveAsNewAPIHadoopFile.
: java.lang.ClassNotFoundException: com.mongodb.hadoop.io.BSONWritable
    at java.net.URLClassLoader$1.run(URLClassLoader.java:435)
    at java.net.URLClassLoader$1.run(URLClassLoader.java:424)
    at java.security.AccessController.doPrivileged(Native Method)
    at java.net.URLClassLoader.findClass(URLClassLoader.java:423)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:493)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:426)
    at java.lang.Class.forName0(Native Method)
    at java.lang.Class.forName(Class.java:344)

 

三、办法

 

Mongo Spark Connector 对python 只支持 DataFrames,不支持RDD

如果想用Python保存RDD到MongoDB, 推荐用 pyMongo 库

Python support for Spark is only supported via DataFrames by design. Because unlike DataFrames, there is no Spark API that hooks in at the RDD level from python into the JVM.


If you want to just use RDD's in python and cannot use DataFrames, then I would recommend using the pyMongo library directly in your python code and save the data through the native python API.

更多参考:https://jira.mongodb.org/browse/SPARK-146

Mongo Spark Connector:  https://docs.mongodb.com/spark-connector/master/

  mongo-hadoop             :  https://github.com/mongodb/mongo-hadoop/

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    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 1
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