【发布时间】：2015-07-08 00:46:19
【问题描述】：
我在尝试将 JDBC DataFrame 加载到 Spark SQL 时遇到了非常奇怪的问题。
我在笔记本电脑上尝试了几个 Spark 集群 - YARN、独立集群和伪分布式模式。它可以在 Spark 1.3.0 和 1.3.1 上重现。在spark-shell 和使用spark-submit 执行代码时都会出现此问题。我尝试了 MySQL 和 MS SQL JDBC 驱动程序，但没有成功。
考虑以下示例：
val driver = "com.mysql.jdbc.Driver"
val url = "jdbc:mysql://localhost:3306/test"
val t1 = {
sqlContext.load("jdbc", Map(
"url" -> url,
"driver" -> driver,
"dbtable" -> "t1",
"partitionColumn" -> "id",
"lowerBound" -> "0",
"upperBound" -> "100",
"numPartitions" -> "50"
))
}
到目前为止一切顺利，架构已正确解析：
t1: org.apache.spark.sql.DataFrame = [id: int, name: string]
但是当我评估 DataFrame 时：
t1.take(1)
发生以下异常：
15/04/29 01:56:44 WARN TaskSetManager: Lost task 0.0 in stage 0.0 (TID 0, 192.168.1.42): java.sql.SQLException: No suitable driver found for jdbc:mysql://<hostname>:3306/test
at java.sql.DriverManager.getConnection(DriverManager.java:689)
at java.sql.DriverManager.getConnection(DriverManager.java:270)
at org.apache.spark.sql.jdbc.JDBCRDD$$anonfun$getConnector$1.apply(JDBCRDD.scala:158)
at org.apache.spark.sql.jdbc.JDBCRDD$$anonfun$getConnector$1.apply(JDBCRDD.scala:150)
at org.apache.spark.sql.jdbc.JDBCRDD$$anon$1.<init>(JDBCRDD.scala:317)
at org.apache.spark.sql.jdbc.JDBCRDD.compute(JDBCRDD.scala:309)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:277)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:244)
at org.apache.spark.rdd.MapPartitionsRDD.compute(MapPartitionsRDD.scala:35)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:277)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:244)
at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:61)
at org.apache.spark.scheduler.Task.run(Task.scala:64)
at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:203)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
at java.lang.Thread.run(Thread.java:745)
当我尝试在执行器上打开 JDBC 连接时：
import java.sql.DriverManager
sc.parallelize(0 until 2, 2).map { i =>
Class.forName(driver)
val conn = DriverManager.getConnection(url)
conn.close()
i
}.collect()
效果很好：
res1: Array[Int] = Array(0, 1)
当我在本地 Spark 上运行相同的代码时，它也能完美运行：
scala> t1.take(1)
...
res0: Array[org.apache.spark.sql.Row] = Array([1,one])
我正在使用预构建的 Spark，支持 Hadoop 2.4。
重现该问题的最简单方法是使用 start-all.sh 脚本以伪分布式模式启动 Spark 并运行以下命令：
/path/to/spark-shell --master spark://<hostname>:7077 --jars /path/to/mysql-connector-java-5.1.35.jar --driver-class-path /path/to/mysql-connector-java-5.1.35.jar
有没有办法解决这个问题？这看起来是一个严重的问题，所以奇怪的是谷歌搜索在这里没有帮助。
【问题讨论】：
标签： scala jdbc apache-spark apache-spark-sql