时间戳

首页 > 解决方案 > EMR 上的 Pandas udf 错误：类“io.netty.buffer.ArrowBuf”'

apache-spark - EMR 上的 Pandas udf 错误：类“io.netty.buffer.ArrowBuf”'

问题描述

我试图在 AWS EMR 上的 Jupyter 笔记本上使用 pandas udf 无济于事。首先，我尝试使用我所做的一个函数，但我无法让它工作，所以我尝试了一些我在这里找到的其他问题的答案示例，但我仍然无法让它工作。我试过这段代码：

from pyspark.sql.functions import pandas_udf, PandasUDFType
from pyspark.sql.types import *
import pyspark.sql.functions as F
import pyarrow

df = spark.createDataFrame([
    (1, "A", "X1"),
    (2, "B", "X2"),
    (3, "B", "X3"),
    (1, "B", "X3"),
    (2, "C", "X2"),
    (3, "C", "X2"),
    (1, "C", "X1"),
    (1, "B", "X1"),
], ["id", "type", "code"])

schema = StructType([
    StructField("code", StringType()),
])


@F.pandas_udf(schema, F.PandasUDFType.GROUPED_MAP)
def dummy_udaf(pdf):
    pdf = pdf[['code']]
    return pdf

df.groupBy('type').apply(dummy_udaf).show()

我得到这个错误：

Caused by: java.lang.SecurityException: class "io.netty.buffer.ArrowBuf"'s signer information does not match signer information of other classes in the same package

我尝试不使用 import pyarrow，但我得到了同样的错误。我还使用了有关该主题的答案中的其他代码，结果是相同的。

在引导 shell 脚本中，我有一个 pip install 行，如下所示：

sudo python3 -m pip install pandas==0.24.2 pyarrow==0.14.1

我尝试过使用 pyarrow 0.15.1，但没有任何改变。你知道是什么导致了这个错误吗？谢谢！

标签： apache-sparkpysparkamazon-emrpyarrow

解决方案

设置以下版本

sudo python3 -m pip install pyarrow==0.14 pandas==1.1.4

推荐阅读