谁能告诉我为什么这个测试脚本PySpark错误出来?(python 3.6.8, hadoop 3.3.1, spark 3.2.1, elasticsearch-hadoop 7.14)
from pyspark.sql import SparkSession, SQLContext
myspark = SparkSession.builder
.appName("My test.")
.master("spark://xx.xx.xx:7077")
.config("es.nodes", "xx.xx.xx.xx")
.config("es.port", "9200")
.config("es.net.http.auth.user", "xxxx")
.config("es.net.http.auth.pass", "xxxx")
.getOrCreate()
mycontext = SQLContext(myspark)
myquery = '{ "query": { "match_all": {} }}'
myreader = mycontext.read.format("org.elasticsearch.spark.sql")
.option("es.nodes", "xx.xx.xx.xx")
.option("es.port", "9200")
.option("es.net.http.auth.user", "xxxx")
.option("es.net.http.auth.pass", "xxxx")
.option("es.query", myquery)
myframe = myreader.load("myindex")
.load()得到的错误是:
py4j.protocol.Py4JJavaError: An error occurred while calling 039.load.
: java.lang.NoClassDefFoundError: scala/Product$class
at org.elasticsearch.spark.sql.ElasticsearchRelation.<init>(DefaultSource.scala:220)
at org.elasticsearch.spark.sql.DefaultSource.createRelation(DefaultSource.scala:97)
...
我也有一个使用旧的SparkConf()
,SparkContext()
和.newAPIHadoopRDD()
的测试片段,它可以很好地连接到相同的spark主机和弹性集群。因此,这就排除了我的类路径、防火墙或身份验证的许多潜在问题。
为了使用spark 3.2.1您需要elasticsearch-hadoop 8.2.0版本。
你可以在发行说明上看到