Question

我是PySpark环境的新手，在尝试使用加密模块加密RDD中的数据时遇到了错误。这是代码：

from pyspark.sql import SparkSession
spark = SparkSession.builder.appName('encrypt').getOrCreate()

df = spark.read.csv('test.csv', inferSchema = True, header = True)
df.show()
df.printSchema()

from cryptography.fernet import Fernet
key = Fernet.generate_key()
f = Fernet(key)

dfRDD = df.rdd
print(dfRDD)
mappedRDD = dfRDD.map(lambda value: (value[0], str(f.encrypt(str.encode(value[1]))), value[2] * 100))
data = mappedRDD.toDF()
data.show()

当我尝试将value[1]映射到str(f.encrypt(str.encode(value[1])))之前，一切正常。我收到以下错误：

PicklingError：无法序列化对象：TypeError：无法修改CompiledFFI对象

我没有看到太多资源引用此错误，并希望看到是否有其他人遇到过它（或者如果通过PySpark你有一种推荐的列加密方法）。

Answer 1

建议的列加密方法

您可以考虑使用Hive内置加密（HIVE-5207，HIVE-6329），但目前这一点非常有限（HIVE-7934）。

您当前的代码不起作用，因为Fernet对象不可序列化。您可以通过仅分发密钥来使其工作：

def f(value, key=key): 
    return value[0], str(Fernet(key).encrypt(str.encode(value[1]))), value[2] * 100

mappedRDD = dfRDD.map(f)

或

def g(values, key=key):
    f = Fernet(key)
    for value in values:
        yield value[0], str(f.encrypt(str.encode(value[1]))), value[2] * 100

mappedRDD = dfRDD.mapPartitions(g)

PySpark：PicklingError：无法序列化对象：TypeError：无法pickle CompiledFFI对象

1 个答案: