Błąd niezdefiniowanej funkcji GeoSpark z poleceniem DBConnect

Problem

Próbujesz użyć funkcji st_geofromwkt GeoSpark z poleceniem DBConnect i zostanie wyświetlony komunikat o błędzie platformy Apache Spark.

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'.;

Ten przykładowy kod kończy się niepowodzeniem z powodu błędu podczas użycia z 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()

Przyczyna

Funkcja DBConnect nie obsługuje automatycznej synchronizacji funkcji zdefiniowanych przez użytkownika po stronie klienta z serwerem.

Rozwiązanie

Możesz użyć niestandardowego pliku jar narzędzia z kodem rejestrujący funkcję zdefiniowaną przez użytkownika w klastrze przy użyciu klasy SparkSessionExtensions .

  1. Utwórz plik jar narzędzia rejestrujący funkcje GeoSpark przy użyciu polecenia SparkSessionExtensions. Tę definicję klasy narzędzi można wbudować w plik jar narzędzia.

    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. Skopiuj pliki jar GeoSpark i plik jar narzędzia do systemu plików DBFS pod adresem dbfs:/databricks/geospark-extension-jars/.

  3. Utwórz skrypt inicjowania (set_geospark_extension_jar.sh), który kopiuje pliki jar z lokalizacji DBFS do ścieżki klasy Spark i ustawia klasę spark.sql.extensions na klasę narzędziową.

    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. Zainstaluj skrypt inicjowania jako skrypt inicjowania o zakresie klastra. Potrzebna będzie pełna ścieżka do lokalizacji skryptu (dbfs:/databricks/<init-script-folder>/set_geospark_extension_jar.sh).

  5. Uruchom ponownie klaster.

  6. Teraz możesz używać kodu GeoSpark z poleceniem DBConnect.