pyspark:未找到jar文件中的命名空间

Question

我正在尝试使用PySpark在外部jar中导入类，我使用--jars和包含我想要使用的类的jar的路径运行spark-shell。

但是，当我在代码中导入一个类时，找不到命名空间：

from io.warp10.spark import WarpScriptFilterFunction

错误：

 SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
 Traceback (most recent call last):
   File "warp10-test.py", line 1, in <module>
     from io.warp10.spark import WarpScriptFilterFunction
 ImportError: No module named warp10.spark

Answer 1

如果要在Spark上运行warpscript，则必须使用WarpScript™UDF。

下面是一个示例：

from pyspark.sql import SparkSession
from pyspark.sql import SQLContext
from pyspark.sql.types import StringType
from pyspark.sql.types import ArrayType

spark = SparkSession.builder.appName("WarpScript Spark Test").getOrCreate()
sc = spark.sparkContext

sqlContext = SQLContext(sc)

sqlContext.registerJavaFunction("foo", "io.warp10.spark.WarpScriptUDF3", ArrayType(StringType()))

print sqlContext.sql("SELECT foo('SNAPSHOT \"Easy!\"', 3.14, 'pi')").collect()

有关更多信息，请参阅：https://www.warp10.io/content/05_Ecosystem/04_Data_Science/06_Spark/02_WarpScript_PySpark