如何在EMR上使用 Spark SQL 读取 Aurora Postgress 表

Question

【以下的问题经过翻译处理】 使用 EMR 上的 Spark 读取 Aurora Postgres 表。已成功抓取 Aurora Postgres 表，并已创建 Glue 数据目录中的相应表。 EMR 集群已经配置了 Glue Data Catalog for Spark 以及以下文档中提到的配置。

但是，当在 Spark 中对表运行查询时，出现以下错误。

```
scala> spark.sql("SELECT * FROM `aurora-glue`.`glue_public_distributors`")
18/09/11 14:17:40 WARN CredentialsLegacyConfigLocationProvider: Found the legacy config profiles file at [/home/hadoop/.aws/config]. Please move it to the latest default location [~/.aws/credentials].
org.apache.spark.sql.AnalysisException: org.apache.hadoop.hive.ql.metadata.HiveException: Unable to fetch table glue_public_distributors. StorageDescriptor#InputFormat cannot be null for table: glue_public_distributors (Service: null; Status Code: 0; Error Code: null; Request ID: null);
  at org.apache.spark.sql.hive.HiveExternalCatalog.withClient(HiveExternalCatalog.scala:106)
  at org.apache.spark.sql.hive.HiveExternalCatalog.tableExists(HiveExternalCatalog.scala:808)
  at org.apache.spark.sql.catalyst.catalog.SessionCatalog.tableExists(SessionCatalog.scala:385)
  at org.apache.spark.sql.catalyst.analysis.Analyzer$ResolveRelations$.isRunningDirectlyOnFiles(Analyzer.scala:682)
...

```

这里做错了什么吗？

Answer

【以下的回答经过翻译处理】 这里不能使用 Glue Catalog 作为元数据存储在 Aurora Postgres 上运行 Spark SQL。就像 Athena 一样，Spark SQL 只能对 S3 中的表使用 Glue Catalog。要在 Aurora Postgres 上运行 Spark SQL，需要使用 Spark JDBC 包来直接查询数据库。

```
properties = {
    ...
    "driver": "org.postgresql.Driver"
}
jdbc_url=''
df=spark.read.jdbc(url=jdbc_url, table='', properties=properties)
```

如何在EMR上使用 Spark SQL 读取 Aurora Postgress 表

相关内容