用户类抛出异常：org.apache.spark.sql.AnalysisException：无法推断 Parquet 的架构。必须手动指定

Question

我正在实现一个 spark java 代码， 数据集输入 = spark.read().parquet(configuration.getInputDataLocation());

但是 inputDataLocation（Azure 存储帐户容器中的文件夹）可能没有任何数据，在这种用例中会抛出异常， 用户类抛出异常：org.apache.spark.sql.AnalysisException：无法推断 Parquet 的架构。必须手动指定。

有没有一种简单的方法可以预先检查文件夹是否为空，然后只有我处理上面写的spark java代码行。

Answer 1

你为什么不尝试读取输入目录来检查它是否存在？

       final boolean exists;
            try {
                exists = file.getFileSystem(spark.sparkContext().hadoopConfiguration()).getFileStatus(file).isFile();

//exists = dir.getFileSystem(spark.sparkContext().hadoopConfiguration()).listStatus(dir).length // (0 length is an empty dir)
            } catch (IOException e) {
                throw new UncheckedIOException(e);
            }
    
            if (exists) {
                return spark.read().parquet(configuration.getInputDataLocation());
            } else {
                LOG.warn("File directory '{}' does not exist", file);
                return spark.emptyDataset(SOME_ENCODER);
            }
        }