Я использую ноутбук Jupyter.У меня есть фрейм данных pyspark, который я загрузил с помощью команды ниже
os.environ['PYSPARK_SUBMIT_ARGS'] = '--jars /home/hdfs/elasticsearch-spark-20_2.11-6.1.2.jar pyspark-shell'
conf = SparkConf(). \
setAppName('app-name'). \
setMaster('yarn')
spark = SparkSession.builder. \
appName("app-name"). \
config(conf=conf). \
getOrCreate()
df = spark.read.option('delimiter', '|').csv("hdfs://"+ filename )
Затем мне нужно сохранить этот фрейм данных в ElasticSearch с помощью команды ниже:
df.write.format("org.elasicsearch.spark.sql") \
.mode('append') \
.option("es.resource", flame_index+ "/cdr") \
.option("es.nodes", "10.10.10.10:9200") \
.option("es.net.ssl", "true") \
.option("es.net.ssl.cert.allow.self.signed", "false") \
.option("es.net.http.auth.user", "xxxxx") \
.option("es.net.http.auth.pass", "xxxxxx" ) \
.option("es.net.ssl.truststore.location", "file:///tmp/xxxxx.jks") \
.option("es.net.ssl.truststore.pass", "xxxxxx") \
.option("es.net.ssl.keystore.location", "file:///tmp/xxxxx.jks") \
.option("es.net.ssl.keystore.pass", "xxxxxx") \
.option("es.net.ssl.protocol","TLS") \
.save()
Но приведенная ниже команда выдает ошибкуниже:
---------------------------------------------------------------------------
Py4JJavaError Traceback (most recent call last)
<ipython-input-15-7eb0cfd1dd12> in <module>
11 .option("es.net.ssl.keystore.location", "file:///tmp/xxxxx.jks") \
12 .option("es.net.ssl.keystore.pass", "xxxxx") \
---> 13 .option("es.net.ssl.protocol","TLS") \
14 .save()
15
/usr/local/lib/python3.5/dist-packages/pyspark/sql/readwriter.py in save(self, path, format, mode, partitionBy, **options)
732 self.format(format)
733 if path is None:
--> 734 self._jwrite.save()
735 else:
736 self._jwrite.save(path)
/usr/local/lib/python3.5/dist-packages/py4j/java_gateway.py in __call__(self, *args)
1255 answer = self.gateway_client.send_command(command)
1256 return_value = get_return_value(
-> 1257 answer, self.gateway_client, self.target_id, self.name)
1258
1259 for temp_arg in temp_args:
/usr/local/lib/python3.5/dist-packages/pyspark/sql/utils.py in deco(*a, **kw)
61 def deco(*a, **kw):
62 try:
---> 63 return f(*a, **kw)
64 except py4j.protocol.Py4JJavaError as e:
65 s = e.java_exception.toString()
/usr/local/lib/python3.5/dist-packages/py4j/protocol.py in get_return_value(answer, gateway_client, target_id, name)
326 raise Py4JJavaError(
327 "An error occurred while calling {0}{1}{2}.\n".
--> 328 format(target_id, ".", name), value)
329 else:
330 raise Py4JError(
Py4JJavaError: An error occurred while calling o145.save.
: java.lang.ClassNotFoundException: Failed to find data source: org.elasicsearch.spark.sql. Please find packages at http://spark.apache.org/third-party-projects.html
at org.apache.spark.sql.execution.datasources.DataSource$.lookupDataSource(DataSource.scala:657)
at org.apache.spark.sql.DataFrameWriter.save(DataFrameWriter.scala:244)
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: org.elasicsearch.spark.sql.DefaultSource
Код работает в кластере hadoop.ElasticSearch также находится в кластере.
Я проверил, что файл /home/hdfs/elasticsearch-spark-20_2.11-6.1.2.jar существует
Кто-нибудь может помочь, почему яполучить ошибку выше и как ее исправить?