Použití zdroje Postgresql JDBC s Apache Spark na EMR

Myslím, že nemusíte kopírovat postgres jar v slaves, protože program ovladače a správce clusteru se o vše postarají. Vytvořil jsem datový rámec z externího zdroje Postgres následujícím způsobem:

Stáhněte si ovladač postgres jar :

cd $HOME && wget https://jdbc.postgresql.org/download/postgresql-42.2.5.jar

Vytvořit datový rámec :

atrribute = {'url' : 'jdbc:postgresql://{host}:{port}/{db}?user={user}&password={password}' \
        .format(host=<host>, port=<port>, db=<db>, user=<user>, password=<password>),
                 'database' : <db>,
                 'dbtable' : <select * from table>}
 df=spark.read.format('jdbc').options(**attribute).load()

Odeslat do spark job: Při odesílání zapalovací úlohy přidejte stažený jar do cesty třídy ovladače.

--properties spark.driver.extraClassPath=$HOME/postgresql-42.2.5.jar,spark.jars.packages=org.postgresql:postgresql:42.2.5