pyspark - 在本地运行 aws 胶水作业

Question

我正在尝试在本地运行胶水作业，但我遇到了一个问题，当我运行我的脚本时会引发异常：

py4j.protocol.Py4JJavaError: An error occurred while calling o47.getDynamicFrame.
: java.lang.IllegalAccessError: tried to access method org.apache.hadoop.metrics2.lib.MutableCounterLong.<init>(Lorg/apache/hadoop/metrics2/MetricsInfo;J)V from class org.apache.hadoop.fs.s3a.S3AInstrumentation

我从这里下载了 aws-glue-libs：https ://github.com/awslabs/aws-glue-libs/tree/glue-1.0/awsglue 。

我的代码：

from pyspark.sql import SparkSession

from awsglue.context import GlueContext

spark = SparkSession \
    .builder \
    .appName("GlueSparkJobExample") \
    .config("spark.jars", "AWSGlueETLPython-1.0.0-jar-with-dependencies.jar") \
    .config("spark.local.dir", "/tmp") \
    .getOrCreate()

sc = spark.sparkContext
glueContext = GlueContext(sc)

db = "database"
table = "table"

my_df = glueContext.create_dynamic_frame.from_catalog(
database=db, table_name=table)

如果有人可以提供帮助会很棒。

标签： pysparkaws-glueaws-glue-spark