Question

我尝试创建一个独立的PySpark程序，它读取csv并将其存储在hive表中。我在配置Spark会话，会议和上下文对象时遇到问题。这是我的代码：

from pyspark import SparkConf, SparkContext
from pyspark.sql import SQLContext, SparkSession
from pyspark.sql.types import *

conf = SparkConf().setAppName("test_import")
sc = SparkContext(conf=conf)
sqlContext  = SQLContext(sc)

spark = SparkSession.builder.config(conf=conf)
dfRaw = spark.read.csv("hdfs:/user/..../test.csv",header=False)

dfRaw.createOrReplaceTempView('tempTable')
sqlContext.sql("create table customer.temp as select * from tempTable")

我收到错误：

dfRaw = spark.read.csv（“hdfs：/ user /../ test.csv”，header = False） AttributeError：'Builder'对象没有属性'read'

使用read.csv命令配置spark会话对象的正确方法是什么？另外，有人可以解释Session，Context和Conderence对象之间的差异吗？

Answer 1

无需使用SparkContext和SparkSession来初始化Spark。 SparkSession是较新的推荐使用方式。

要初始化您的环境，只需执行以下操作：

spark = SparkSession\
  .builder\
  .appName("test_import")\
  .getOrCreate()

您可以通过执行以下操作来运行SQL命令：

spark.sql(...)

在Spark 2.0.0之前，使用了三个单独的对象：SparkContext，SQLContext和HiveContext。这些是分开使用的，具体取决于您想要做什么以及使用的数据类型。

随着数据集/数据帧抽象的入侵，SparkSession对象成为Spark环境的主要入口点。通过首先初始化SparkSession（例如在名为spark的变量中）然后执行spark.sparkContext / spark.sqlContext，仍然可以访问其他对象。

SparkSession初始化错误 - 无法使用spark.read

1 个答案: