执行以下代码后,我收到以下错误。我在安装中遗漏了什么吗?我正在使用安装在我的本地mac上的spark,所以我正在检查是否需要为下面的代码安装额外的库来工作并从bigquery加载数据。
Py4JJavaError Traceback (most recent call last) <ipython-input-8-9d6701949cac> in <module>() 13 "com.google.cloud.hadoop.io.bigquery.JsonTextBigQueryInputFormat", 14 "org.apache.hadoop.io.LongWritable", "com.google.gson.JsonObject", ---> 15 conf=conf).map(lambda k: json.loads(k[1])).map(lambda x: (x["word"], Py4JJavaError: An error occurred while calling z:org.apache.spark.api.python.PythonRDD.newAPIHadoopRDD. : java.lang.ClassNotFoundException: com.google.gson.JsonObject
import json
import pyspark
sc = pyspark.SparkContext()
hadoopConf=sc._jsc.hadoopConfiguration()
hadoopConf.get("fs.gs.system.bucket")
conf = {"mapred.bq.project.id": "<project_id>", "mapred.bq.gcs.bucket": "<bucket>",
"mapred.bq.input.project.id": "publicdata",
"mapred.bq.input.dataset.id":"samples",
"mapred.bq.input.table.id": "shakespeare" }
tableData = sc.newAPIHadoopRDD(
"com.google.cloud.hadoop.io.bigquery.JsonTextBigQueryInputFormat",
"org.apache.hadoop.io.LongWritable", "com.google.gson.JsonObject",
conf=conf).map(lambda k: json.loads(k[1])).map(lambda x: (x["word"],
int(x["word_count"]))).reduceByKey(lambda x,y: x+y)
print tableData.take(10)
答案 0 :(得分:2)
错误“java.lang.ClassNotFoundException:com.google.gson.JsonObject”似乎暗示缺少某个库。
请尝试将gson jar添加到您的路径中:http://search.maven.org/#artifactdetails|com.google.code.gson|gson|2.6.1|jar
答案 1 :(得分:0)
在Felipe的响应中突出显示埋在connector链接中的内容:默认情况下,bq连接器以前包含在Cloud Dataproc中,但从v 1.3开始删除。该链接向您展示了三种找回方法。