我正在尝试读取Amazon S3的Excel表,这是代码片段。但是它失败了说文件不存在,但我检查了路径中缺少斜线(/(。
println(path)
val data = sqlContext.read.
format("com.crealytics.spark.excel").
option("location", s3path).
option("useHeader", "true").
option("treatEmptyValuesAsNulls", "true").
option("inferSchema","true").
option("addColorColumns", "true").
load(path)
路径的正确打印为: s3a://AKIAJDDDDDDACNA:A6voquDDDDDqNOUsONDy@my-test/test.xlsx
但是,为什么在Spark阅读时会缺少斜线?这是错误消息:
Name: java.io.FileNotFoundException
Message: s3a:/AKIAJYDDDDDDNA:A6DDDDDDDDDwqxkRqUQyXqqNOUsONDy@my-test/test.xlsx (No such file or directory)
StackTrace: at java.io.FileInputStream.open0(Native Method)
at java.io.FileInputStream.open(FileInputStream.java:212)
at java.io.FileInputStream.<init>(FileInputStream.java:152)
at java.io.FileInputStream.<init>(FileInputStream.java:104)
at com.crealytics.spark.excel.ExcelRelation.<init>(ExcelRelation.scala:28)
at com.crealytics.spark.excel.DefaultSource.createRelation(DefaultSource.scala:31)
at com.crealytics.spark.excel.DefaultSource.createRelation(DefaultSource.scala:7)
at org.apache.spark.sql.execution.datasources.DataSource.resolveRelation(DataSource.scala:345)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:149)
at org.apache.spark.sql.DataFrameReader.load(DataFrameReader.scala:122)
at $anonfun$1.apply(<console>:46)
at $anonfun$1.apply(<console>:46)
at time(<console>:36)
S3A URL以某种方式降低到java.io.FileInputStream.open()
,它仅与本地文件系统文件(而不是HDFS,S3等(一起使用。您将需要跟踪com.crealytics.spark.excel
内部发生的情况。欢迎使用使用IDE来确定哪些第三方库的话::)(Intellij Idea擅长于此,因为它可以从粘贴的堆栈跟踪到特定的源代码(
另外:不要将您的秘密放在URL中,这很危险&amp;出于安全原因,将来可能会禁用的事情。在您的spark-defaults.conf
中设置spark.hadoop.fs.s3a.access.key
和spark.hadoop.fs.s3a.secret.key
。
另外,您可以使用Hadoopoffice库来读取/编写Excel文件。它支持Spark DataSources,但也是Hadoop本地的,因此您的S3 URL可能会开箱即用。
https://github.com/zuinnote/hadoopoffice/wiki