Question

我正在尝试读取存储在Azure存储帐户中的CSV文件。为此，我在虚拟机上安装了火花，并尝试从pyspark读取数据框中的CSV文件。

我在某处阅读了如何执行此操作，然后按照步骤操作，并在/ jar目录中复制了最新的hadoop-azure和azure-storage JAR文件。然后，我想到了这个错误：-

NoClassDefFoundError：org / apache / hadoop / fs / StreamCapabilities

我搜索了此错误，发现我需要引用hadoop-azure-2.8.5.jar而不是最新的hadoop-azure JAR。因此，我用最新的hadoop-azure jar替换了此JAR，然后再次执行了pyspark代码。

执行代码后，我遇到另一个错误：-

：java.lang.NoSuchMethodError： org.apache.hadoop.security.ProviderUtils.excludeIncompatibleCredentialProviders（Lorg / apache / hadoop / conf / Configuration; Ljava / lang / Class;）Lorg / apache / hadoop / conf / Configuration;

此外，下面是我的pyspark代码：-

from pyspark import SparkContext
from pyspark.sql import SparkSession
from pyspark.sql import Window
from pyspark.sql.types import *
from pyspark.sql.functions import *

spark = SparkSession.builder.getOrCreate()
storage_account_name = "<storage_account_name>"
storage_account_access_key = "<storage_account_access_key>"
spark.conf.set("fs.azure.account.key." + storage_account_name + ".blob.core.windows.net",storage_account_access_key)

spark._jsc.hadoopConfiguration().set("fs.wasbs.impl","org.apache.hadoop.fs.azure.NativeAzureFileSystem")
spark._jsc.hadoopConfiguration().set("fs.azure", "org.apache.hadoop.fs.azure.NativeAzureFileSystem")
spark._jsc.hadoopConfiguration().set("fs.azure.account.key.my_account.blob.core.windows.net", "storage_account_access_key")


df = spark.read.format("csv").option("inferSchema", "true").load("wasbs://<container_name>@<storage_account_name>.blob.core.windows.net/<path_to_csv>/sample_file.csv")
df.show()

Answer 1

我搜索了此内容，并尝试了多种hadoop-azure JAR版本。对我有用的是 hadoop-azure-2.7.0.jar 。

使用此JAR版本，我能够从Blob存储中读取CSV文件。

java.lang.NoSuchMethodError：org.apache.hadoop.security.ProviderUtils.excludeIncompatibleCredentialProviders从Azure Blob存储读取

1 个答案: