我是sparklyr
的新手,并且没有接受任何正式培训 - 在这个问题之后这将变得明显。我对频谱的统计学方面也有更多的帮助。我在设置Spark DataFrame
之后收到错误。
考虑以下示例:
library(sparklyr)
library(dplyr)
sc <- spark_connect(master = "local[*]")
iris_tbl <- copy_to(sc, iris, name="iris", overwrite=TRUE)
#check column names
colnames(iris_tbl)
#subset so only a few variables remain
subdf <- iris_tbl %>%
select(Sepal_Length,Species)
subdf <- spark_dataframe(subdf)
#error happens when I try this operation
spark_session(sc) %>%
invoke("table", "subdf")
我得到的错误是:
Error: org.apache.spark.sql.catalyst.analysis.NoSuchTableException
at org.apache.spark.sql.hive.client.ClientInterface$$anonfun$getTable$1.apply(ClientInterface.scala:122)
at org.apache.spark.sql.hive.client.ClientInterface$$anonfun$getTable$1.apply(ClientInterface.scala:122)
错误还有其他几行。
我不明白为什么我会收到此错误。 &#34; subdf&#34;是一个Spark DataFrame
。
答案 0 :(得分:1)
要了解为什么这不起作用,您必须了解copy_to
时会发生什么。内部sparklyr
将使用Spark metastore注册临时表,并将其或多或少视为另一个数据库。这就是原因:
spark_session(sc) %>% invoke("table", "iris")
可以找到“虹膜”表:
<jobj[32]>
class org.apache.spark.sql.Dataset
[Sepal_Length: double, Sepal_Width: double ... 3 more fields]
另一方面, subdf
只是普通的本地对象。它未在Metastore中注册,因此无法使用Spark目录访问它。要使其工作,您可以注册Spark DataFrame
:
subdf <- iris_tbl %>%
select(Sepal_Length, Species)
spark_dataframe(subdf) %>%
invoke("createOrReplaceTempView", "subdf")
或copy_to
如果数据足够小,可由驱动程序处理:
subdf <- iris_tbl %>%
select(Sepal_Length, Species) %>%
copy_to(sc, ., name="subdf", overwrite=TRUE)
如果您使用Spark 1.x,createOrReplaceTempView
应替换为registerTempTable
。