Question

当我尝试使用 pyspark 将雪花中的数据加载到数据框中时出现此错误：

py4j.protocol.Py4JJavaError: An error occurred while calling o45.load.
: java.lang.NoClassDefFoundError: net/snowflake/client/jdbc/internal/org/bouncycastle/jce/provider/BouncyCastleProvider

这是一些重现错误的代码：

from pyspark.sql import SparkSession
from pyspark import SparkConf

conf = SparkConf()
conf.set('spark.jars.packages',
         'net.snowflake:spark-snowflake_2.11:2.8.4-spark_2.4,net.snowflake:snowflake-jdbc:3.12.17')
spark = SparkSession.builder.config(conf=conf).getOrCreate()

sf_reader_options = {'sfURL': 'example.snowflakecomputing.com', 'sfAccount': 'example_account',
                     'sfWarehouse': 'example_warehouse', 'sfRole': 'DATASCIENCE', 'sfUser': 'user',
                     'sfPassword': 'pass', 'sfDatabase': 'db_name', 'sfSchema': 'schema_name', 'sfTimezone': 'UTC'}

reader = (spark
          .read
          .format('net.snowflake.spark.snowflake')
          .options(**sf_reader_options))

result = reader.option('query', 'select * from TABLE_NAME').load()

错误的堆栈跟踪如下所示：

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "/Users/charlie/lark/bigbird/venv/lib/python3.7/site-packages/pyspark/sql/readwriter.py", line 172, in load
    return self._df(self._jreader.load())
  File "/Users/charlie/lark/bigbird/venv/lib/python3.7/site-packages/py4j/java_gateway.py", line 1257, in __call__
    answer, self.gateway_client, self.target_id, self.name)
  File "/Users/charlie/lark/bigbird/venv/lib/python3.7/site-packages/pyspark/sql/utils.py", line 63, in deco
    return f(*a, **kw)
  File "/Users/charlie/lark/bigbird/venv/lib/python3.7/site-packages/py4j/protocol.py", line 328, in get_return_value
    format(target_id, ".", name), value)
py4j.protocol.Py4JJavaError: An error occurred while calling o45.load.
: java.lang.NoClassDefFoundError: net/snowflake/client/jdbc/internal/org/bouncycastle/jce/provider/BouncyCastleProvider
    at net.snowflake.spark.snowflake.Parameters$.mergeParameters(Parameters.scala:202)
    at net.snowflake.spark.snowflake.DefaultSource.createRelation(DefaultSource.scala:59)
    at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:332)
    at org.apache.spark.sql.DataFrameReader.loadV1Source(DataFrameReader.scala:242)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:230)
    at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:186)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:282)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:238)
    at java.lang.Thread.run(Thread.java:748)
Caused by: java.lang.ClassNotFoundException: net.snowflake.client.jdbc.internal.org.bouncycastle.jce.provider.BouncyCastleProvider
    at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:418)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:352)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:351)
    ... 17 more

我正在使用 spark 2.4.7 和 spark-snowflake 2.8.4，以及雪花 jdbc 3.12.17。我在 Mac OS X Big Sur 上。这是在我升级到 Big Sur 后发生的，但我不确定这是否相关。

我试过了：

将充气城堡提供程序作为包依赖项添加到我的配置中
检查 JAVA_HOME 是否指向 Java 8（确实如此）
重新安装 Java 8（使用 homebrew 和 Adoptopenjdk）
根据说明添加充气城堡作为安全提供程序here
更新 spark-snowflake 和 snowflake-jdbc（之前使用的是 2.7.0 和 3.12.3，同样的错误）

任何帮助将不胜感激！

Answer 1

最终，我能够通过以下方式解决此问题：

直接从 Oracle 下载 Java（而不是使用自制软件卸载和重新安装），
删除 spark，再次下载（从 apache，而不是通过自制软件），并按照 here 所述设置环境变量（主要是...我使用虚拟环境，所以我没有将 PYSPARK_PYTHON 硬编码到系统 python3）
卸载 pyspark 并重新安装
退出 pycharm 并重新打开（这刷新了我在 .zshrc 中设置的所有环境变量，例如 JAVA_HOME）

几乎可以肯定有一种更简单的方法，但这很有效。

ClassNotFoundException 使用 pyspark 从雪花加载数据

1 个答案: