Pyspark считывает данные - java.util.NoSuchElementException: spark.sql.execution.pandas.respectSessionTimeZone

Question

У меня есть программа, которая работает в командной строке, но я пытаюсь настроить PyCharm для индивидуального тестирования его функциональных возможностей.

Я, должно быть, настроил что-то не так, потому что всякий раз, когда я пытаюсь прочитать какие-либо данные (будь то запрос улья или CSV), я получаю ошибку.

sc = SparkContext(conf=SparkConf())
sqlContext = HiveContext(sc)

Кажется, это работает, поэтому я читаю свой CSV с помощью панд и пытаюсь превратить его в искровой Dataframe:

latence = pd.read_csv("data/latence.csv")
sqlContext.createDataFrame(latence)

Вот мой след стека:

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "/appl/4C/demdet_dev/tools/venv/lib/python2.7/site-packages/pyspark/sql/context.py", line 302, in createDataFrame
    return self.sparkSession.createDataFrame(data, schema, samplingRatio, verifySchema)
  File "/appl/4C/demdet_dev/tools/venv/lib/python2.7/site-packages/pyspark/sql/session.py", line 646, in createDataFrame
    if self.conf.get("spark.sql.execution.pandas.respectSessionTimeZone").lower() \
  File "/appl/4C/demdet_dev/tools/venv/lib/python2.7/site-packages/pyspark/sql/conf.py", line 46, in get
    return self._jconf.get(key)
  File "/appl/4C/demdet_dev/tools/venv/lib/python2.7/site-packages/py4j/java_gateway.py", line 1160, in __call__
    answer, self.gateway_client, self.target_id, self.name)
  File "/appl/4C/demdet_dev/tools/venv/lib/python2.7/site-packages/pyspark/sql/utils.py", line 63, in deco
    return f(*a, **kw)
  File "/appl/4C/demdet_dev/tools/venv/lib/python2.7/site-packages/py4j/protocol.py", line 320, in get_return_value
    format(target_id, ".", name), value)
Py4JJavaError: An error occurred while calling o239.get.
: java.util.NoSuchElementException: spark.sql.execution.pandas.respectSessionTimeZone
    at org.apache.spark.sql.internal.SQLConf$$anonfun$getConfString$2.apply(SQLConf.scala:900)
    at org.apache.spark.sql.internal.SQLConf$$anonfun$getConfString$2.apply(SQLConf.scala:900)
    at scala.Option.getOrElse(Option.scala:121)
    at org.apache.spark.sql.internal.SQLConf.getConfString(SQLConf.scala:900)
    at org.apache.spark.sql.RuntimeConfig.get(RuntimeConfig.scala:74)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:498)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
    at py4j.Gateway.invoke(Gateway.java:280)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:214)
    at java.lang.Thread.run(Thread.java:745)

Там нет даты или время в CSV, поэтому я не понимаю, что respectSessionTimeZone имеет отношение к.

Что может означать эта ошибка, и как я могу ее решить?

Answer 1

Так что ваши latence.info() дает

<class 'pandas.core.frame.DataFrame'> 
RangeIndex: 153 entries, 0 to 152 
Data columns (total 2 columns): 
PAYS 152 non-null object 
median 152 non-null float64 
dtypes: float64(1), object(1) 
memory usage: 2.5+ KB

Преобразуйте столбец 'PAYS' в float/int, если это число, или преобразуйте его в строковый столбец. Тогда вы сможете запустить

df = sqlContext.createDataFrame(latence)