Fout met niet-gedefinieerde GeoSpark-functie met DBConnect

Probleem

U probeert de functie GeoSpark te gebruiken st_geofromwkt met DBConnect en u krijgt een Apache Spark foutbericht.

Error: org.apache.spark.sql.AnalysisException: Undefined function: 'st_geomfromwkt'. This function is neither a registered temporary function nor a permanent function registered in the database 'default'.;

Deze voorbeeldcode mislukt met de fout bij gebruik met DBConnect.

val sc = spark.sparkContext
sc.setLogLevel("DEBUG")

val sqlContext = spark.sqlContext
spark.sparkContext.addJar("~/jars/geospark-sql_2.3-1.2.0.jar")
spark.sparkContext.addJar("~/jars/geospark-1.2.0.jar")

GeoSparkSQLRegistrator.registerAll(sqlContext)
println(spark.sessionState.functionRegistry.listFunction)

spark.sql("select ST_GeomFromWKT(area) AS geometry from polygon").show()

Oorzaak

DBConnect biedt geen ondersteuning voor automatische synchronisatie van UF's aan clientzijde met de server.

Oplossing

U kunt een aangepast JAR-hulpprogramma gebruiken met code die de UDF op het cluster registreert met behulp van de klasse SparkSessionExtensions.

  1. Maak een jar voor hulpprogramma's die GeoSpark-functies registreert met behulp van SparkSessionExtensions . Deze klassedefinitie van het hulpprogramma kan worden ingebouwd in een JAR-hulpprogramma.

    package com.databricks.spark.utils
    
    import org.apache.spark.sql.SparkSessionExtensions
    import org.datasyslab.geosparksql.utils.GeoSparkSQLRegistrator
    
    class GeoSparkUdfExtension extends (SparkSessionExtensions => Unit) {
      def apply(e: SparkSessionExtensions): Unit = {
        e.injectCheckRule(spark => {
          println("INJECTING UDF")
          GeoSparkSQLRegistrator.registerAll(spark)
          _ => Unit
        })
      }
    }
    
  2. Kopieer de GeoSpark-jars en het jar-hulpprogramma naar DBFS op dbfs:/databricks/geospark-extension-jars/ .

  3. Maak een init-script ( ) dat de JAR-bestanden kopieert van de DBFS-locatie naar het Spark-klassepad en de in stelt set_geospark_extension_jar.sh op de klasse van het spark.sql.extensions hulpprogramma.

    dbutils.fs.put(
        "dbfs:/databricks/<init-script-folder>/set_geospark_extension_jar.sh",
        """#!/bin/sh
          |sleep 10s
          |# Copy the extension and GeoSpark dependency jars to /databricks/jars.
          |cp -v /dbfs/databricks/geospark-extension-jars/{spark_geospark_extension_2_11_0_1.jar,geospark_sql_2_3_1_2_0.jar,geospark_1_2_0.jar} /databricks/jars/
          |# Set the extension.
          |cat << 'EOF' > /databricks/driver/conf/00-custom-spark.conf
          |[driver] {
          |    "spark.sql.extensions" = "com.databricks.spark.utils.GeoSparkUdfExtension"
          |}
          |EOF
          |""".stripMargin,
        overwrite = true
    )
    
  4. Installeer het init-script als een init-script met clusterbereik. U hebt het volledige pad nodig naar de locatie van het script ( dbfs:/databricks/<init-script-folder>/set_geospark_extension_jar.sh ).

  5. Start het cluster opnieuw op.

  6. U kunt nu GeoSpark-code gebruiken met DBConnect.