Sto riscontrando un problema molto strano quando provo a caricare JDBC DataFrame in Spark SQL.java.sql.SQLException: Nessun driver adatto trovato durante il caricamento di DataFrame in Spark SQL
Ho provato diversi cluster Spark: YARN, cluster autonomo e modalità pseudo distribuita sul mio laptop. È riproducibile su Spark 1.3.0 e 1.3.1. Il problema si verifica in entrambi spark-shell e durante l'esecuzione del codice con spark-submit. Ho provato i driver JDBC MS SQL MySQL & senza successo.
consideri seguente esempio:
val driver = "com.mysql.jdbc.Driver"
val url = "jdbc:mysql://localhost:3306/test"
val t1 = {
sqlContext.load("jdbc", Map(
"url" -> url,
"driver" -> driver,
"dbtable" -> "t1",
"partitionColumn" -> "id",
"lowerBound" -> "0",
"upperBound" -> "100",
"numPartitions" -> "50"
))
}
Fin qui tutto bene, lo schema viene risolto correttamente:
t1: org.apache.spark.sql.DataFrame = [id: int, name: string]
Ma quando valuto dataframe: si verifica
t1.take(1)
seguente eccezione:
15/04/29 01:56:44 WARN TaskSetManager: Lost task 0.0 in stage 0.0 (TID 0, 192.168.1.42): java.sql.SQLException: No suitable driver found for jdbc:mysql://<hostname>:3306/test
at java.sql.DriverManager.getConnection(DriverManager.java:689)
at java.sql.DriverManager.getConnection(DriverManager.java:270)
at org.apache.spark.sql.jdbc.JDBCRDD$$anonfun$getConnector$1.apply(JDBCRDD.scala:158)
at org.apache.spark.sql.jdbc.JDBCRDD$$anonfun$getConnector$1.apply(JDBCRDD.scala:150)
at org.apache.spark.sql.jdbc.JDBCRDD$$anon$1.<init>(JDBCRDD.scala:317)
at org.apache.spark.sql.jdbc.JDBCRDD.compute(JDBCRDD.scala:309)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:277)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:244)
at org.apache.spark.rdd.MapPartitionsRDD.compute(MapPartitionsRDD.scala:35)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:277)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:244)
at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:61)
at org.apache.spark.scheduler.Task.run(Task.scala:64)
at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:203)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
at java.lang.Thread.run(Thread.java:745)
Quando provo ad aprire la connessione JDBC su esecutore:
import java.sql.DriverManager
sc.parallelize(0 until 2, 2).map { i =>
Class.forName(driver)
val conn = DriverManager.getConnection(url)
conn.close()
i
}.collect()
funziona perfettamente:
res1: Array[Int] = Array(0, 1)
Quando eseguo lo stesso codice su Spark locali, funziona perfettamente anche:
scala> t1.take(1)
...
res0: Array[org.apache.spark.sql.Row] = Array([1,one])
Sto utilizzando Spark pre-costruito con supporto Hadoop 2.4.
Il modo più semplice per riprodurre il problema è quello di iniziare Spark in pseudo modalità distribuita con start-all.sh sceneggiatura ed eseguire il comando seguente:
/path/to/spark-shell --master spark://<hostname>:7077 --jars /path/to/mysql-connector-java-5.1.35.jar --driver-class-path /path/to/mysql-connector-java-5.1.35.jar
C'è un modo per lavorare intorno a questo? Sembra un problema grave, quindi è strano che googling non aiuti qui.
Hey @Wildfire, Come avete fatto sulla modifica del percorso di classe di avvio degli esecutori? Ho provato a modificare il classpath del contenitore YARN per aggiungere il jar mysql-connector-java, ma non ha corretto l'errore. Grazie! – JKnight
@JKnight Non riuscivo a capire come aggiungere il driver JDBC per avviare il classpath su YARN, quindi sto solo usando la build Spark con patch. – Wildfire