DBConnect 出现 GeoSpark 未定义函数错误

问题

你正在尝试将 GeoSpark 函数 st_geofromwktst_geofromwkt 一起使用,并且收到 Apache Spark 错误消息。

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'.;

此示例代码在与 DBConnect 一同使用时失败并出现错误。

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()

原因

DBConnect 不支持将客户端 UDF 自动同步到服务器。

解决方案

可以使用带有代码的自定义实用工具 jar,该代码使用 SparkSessionExtensions 类在群集上注册 UDF。

  1. 创建使用 SparkSessionExtensions 注册 GeoSpark 函数的实用工具 jar。 此实用工具类定义可内置到实用工具 jar 中。

    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. 将 GeoSpark jar 和实用工具 jar 复制到 dbfs:/databricks/geospark-extension-jars/ 处的 DBFS。

  3. 创建将 jar 从 DBFS 位置复制到 Spark 类路径的初始化脚本 (set_geospark_extension_jar.sh),并将 spark.sql.extensions 设置为实用工具类。

    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. 将初始化脚本安装为群集范围内的初始化脚本。 需要该脚本位置的完整路径 (dbfs:/databricks/<init-script-folder>/set_geospark_extension_jar.sh)。

  5. 重新启动群集。

  6. 现在可以将 GeoSpark 代码与 DBConnect 一起使用。