python - 在 jupyter 笔记本中使用 pyspark 时如何指定驱动程序类路径？

Question

我想在 jupyter 笔记本中使用 pyspark 查询 PostgreSQL。我在 StackOverflow 上浏览了很多问题，但没有一个对我有用，主要是因为答案似乎已经过时了。这是我的最小代码：

from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
url = 'jdbc:postgresql://host/dbname'
properties = {'user': 'username', 'password': 'pwd'}
df = spark.read.jdbc(url=url, table='tablename', properties=properties)

从笔记本运行它会引发以下错误：

Py4JJavaError: An error occurred while calling o69.jdbc.
: java.sql.SQLException: No suitable driver
at java.sql.DriverManager.getDriver(DriverManager.java:315)
at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions$$anonfun$7.apply(JDBCOptions.scala:85)
at org.apache.spark.sql.execution.datasources.jdbc.JDBCOptions$$anonfun$7.apply(JDBCOptions.scala:85)
at scala.Option.getOrElse(Option.scala:121)...

我发现的主要技巧总结在下面的链接中，但不幸的是我无法让它们在我的笔记本中工作：

Pyspark 连接到 ipython 笔记本中的 Postgres 数据库

注意：我使用的是 Spark 2.3.1 和 Python 3.6.3，如果我指定 jar 位置，我可以从 pyspark shell 连接到数据库。

pyspark --driver-class-path /home/.../postgresql.jar --jars /home/.../jars/postgresql.jar

感谢任何可以帮助我解决这个问题的人。

编辑

如何在 IPython Notebook 中加载 jar 依赖项的答案已经列在我自己分享的链接中，对我不起作用。我已经尝试从笔记本配置环境变量：

import os
os.environ['PYSPARK_SUBMIT_ARGS'] = '--driver-class-path /path/to/postgresql.jar --jars /path/to/postgresql.jar'

文件路径或文件本身没有任何问题，因为当我指定它并运行 pyspark-shell 时它工作正常。

标签： pythonapache-sparkpysparkjupyter-notebook

Answer 1

使用该config方法对我有用：

from pyspark.sql import SparkSession
spark = SparkSession.builder.config('spark.driver.extraClassPath', '/path/to/postgresql.jar').getOrCreate()
url = 'jdbc:postgresql://host/dbname'
properties = {'user': 'username', 'password': 'pwd'}
df = spark.read.jdbc(url=url, table='tablename', properties=properties)