2

我将以下代码打包在一个 whl 文件中：

from pkg_resources import resource_filename
def path_to_model(anomaly_dir_name: str, data_path: str):
    filepath = resource_filename(anomaly_dir_name, data_path)
    return filepath
def read_data(spark) -> DataFrame:
    return (spark.read.parquet(str(path_to_model("sampleFolder", "data"))))

我确认 whl 文件正确包含 sampleFolder/data/ 目录下的 parquet 文件。当我在本地运行它时它可以工作，但是当我将此 whl 文件上传到 dbfs 并运行时，我收到此错误：

AnalysisException: Path does not exist: dbfs:/databricks/python/lib/python3.7/site-packages/sampleFolder/data;

我确认这个目录实际上不存在：dbfs:/databricks/python 知道这个错误可能是什么吗？

谢谢。

4

2 回答 2

2

默认情况下，Databricks 上的 Spark 使用 DBFS 上的文件，直到您明确更改架构。在您的情况下，该path_to_model函数返回 string /databricks/python/lib/python3.7/site-packages/sampleFolder/data，并且因为它没有明确的模式，所以 Spark 使用dbfs模式。但是该文件位于本地节点上，而不是 DBFS 上——这就是 Spark 找不到它的原因。

要解决这个问题，您需要将数据复制到 DBFS，然后从那里读取。这可以通过dbutils.fs.cp命令来完成。将代码更改为以下内容：

def read_data(spark) -> DataFrame:
    data_path = str(path_to_model("sampleFolder", "data"))
    tmp_path = "/tmp/my_sample_data"
    dbutils.fs.cp("file:" + data_path, tmp_path, True)
    return (spark.read.parquet(tmp_path))
于 2021-07-01T06:13:03.190 回答
0

默认情况下，Databricks 上的 Spark 使用 DBFS 上的文件。

但是，如果您想在 databricks 中使用 spark.read.parquet 函数读取文件，您可以使用前缀file:后跟文件的完整路径 例如 - spark.read.parquet(' file: /home/user1/file_name' )

于 2022-01-25T13:32:15.353 回答