Question

我正在尝试使用spark-avro包读取avro文件作为数据帧，如here

所述

但是，当我提交此命令时：

val df = spark.read.format("avro").load("~/foo.avro")

我得到一个错误：

java.util.ServiceConfigurationError: org.apache.spark.sql.sources.DataSourceRegister: Provider org.apache.spark.sql.avro.AvroFileFormat could not be instantiated
  at java.util.ServiceLoader.fail(ServiceLoader.java:232)
  at java.util.ServiceLoader.access$100(ServiceLoader.java:185)
  at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:384)
  at java.util.ServiceLoader$LazyIterator.next(ServiceLoader.java:404)
  at java.util.ServiceLoader$1.next(ServiceLoader.java:480)
  at scala.collection.convert.Wrappers$JIteratorWrapper.next(Wrappers.scala:43)
  at scala.collection.Iterator$class.foreach(Iterator.scala:891)
  at scala.collection.AbstractIterator.foreach(Iterator.scala:1334)
  at scala.collection.IterableLike$class.foreach(IterableLike.scala:72)
  at scala.collection.AbstractIterable.foreach(Iterable.scala:54)
  at scala.collection.TraversableLike$class.filterImpl(TraversableLike.scala:247)
  at scala.collection.TraversableLike$class.filter(TraversableLike.scala:259)
  at scala.collection.AbstractTraversable.filter(Traversable.scala:104)
  at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:630)
  at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:194)
  at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:178)
  ... 49 elided
Caused by: java.lang.NoSuchMethodError: org.apache.spark.sql.execution.datasources.FileFormat.$init$(Lorg/apache/spark/sql/execution/datasources/FileFormat;)V
  at org.apache.spark.sql.avro.AvroFileFormat.<init>(AvroFileFormat.scala:44)
  at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
  at sun.reflect.NativeConstructorAccessorImpl.newInstance(NativeConstructorAccessorImpl.java:62)
  at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(DelegatingConstructorAccessorImpl.java:45)
  at java.lang.reflect.Constructor.newInstance(Constructor.java:423)
  at java.lang.Class.newInstance(Class.java:442)
  at java.util.ServiceLoader$LazyIterator.nextService(ServiceLoader.java:380)
  ... 62 more

我已经尝试了org.apache.spark:spark-avro_2.12:2.4.0软件包的3个版本（2.4.0、2.4.1和2.4.2），并且目前使用的是Spark 2.4.1。

我使用以下命令启动spark-shell：

spark-shell --packages org.apache.spark:spark-avro_2.12:2.4.0

Answer 1

以防万一有人对pyspark 2.7和spark 2.4.3感兴趣

以下包装有效

bin/pyspark --packages org.apache.spark:spark-avro_2.11:2.4.3

Answer 2

tl; dr Since Spark 2.4.x+ provides built-in support for reading and writing Apache Avro data，但是the spark-avro module is external and not included in spark-submit or spark-shell by default，请确保为spark-shell使用相同的Scala版本（例如2.12），并--packages。

出现异常的原因是，您使用的是基于Scala 2.11.12构建的Spark中的spark-shell，而--packages指定了与Scala 2.12（在org.apache.spark:spark-avro_2.12:2.4.0中）的依赖关系。

使用--packages org.apache.spark:spark-avro_2.11:2.4.0，就可以了。

Answer 3

当我遇到相同的问题时，我注意到的另一件事是，它第一次运行正常，此后显示错误。因此，通过在docker文件中添加rm命令来清除缓存。就我而言，这足够了。

内置spark-avro无法从shell读取avro文件

3 个答案: