我正在运行AWS Glue作业,使用来自Glue的自动生成的PySpark脚本,将S3上的管道分隔文件加载到RDS Postgres实例中 .
最初,它在某些列中抱怨NULL值:
pyspark.sql.utils.IllegalArgumentException: u"Can't get JDBC type for null"
在谷歌搜索和阅读之后,我尝试通过将我的AWS Glue Dynamic Dataframe转换为Spark Dataframe来替换我文件中的NULL,执行函数 fillna() 并重新转换回动态数据帧 .
datasource0 = glueContext.create_dynamic_frame.from_catalog(database =
"xyz_catalog", table_name = "xyz_staging_files", transformation_ctx =
"datasource0")
custom_df = datasource0.toDF()
custom_df2 = custom_df.fillna(-1)
custom_df3 = custom_df2.fromDF()
applymapping1 = ApplyMapping.apply(frame = custom_df3, mappings = [("id",
"string", "id", "int"),........more code
参考文献:
How to replace all Null values of a dataframe in Pyspark
http://spark.apache.org/docs/latest/api/python/pyspark.sql.html#pyspark.sql.DataFrame.fillna
现在,当我运行我的工作时,它会抛出以下错误:
Log Contents:
Traceback (most recent call last):
File "script_2017-12-20-22-02-13.py", line 23, in <module>
custom_df3 = custom_df2.fromDF()
AttributeError: 'DataFrame' object has no attribute 'fromDF'
End of LogType:stdout
我是Python和Spark的新手并且已经尝试了很多,但是无法理解这一点 . 感谢一些专家帮助 .
我尝试将我的reconvert命令更改为:
custom_df3 = glueContext.create_dynamic_frame.fromDF(frame = custom_df2)
但仍然有错误:
AttributeError: 'DynamicFrameReader' object has no attribute 'fromDF'
更新:我怀疑这不是关于NULL值 . 消息“无法获取null的JDBC类型”似乎不是指NULL值,而是JDBC无法解密的某些数据/类型 .
我创建了一个只有1条记录,没有NULL值的文件,将所有布尔类型更改为INT(并将替换值更改为0和1),但仍然得到相同的错误:
pyspark.sql.utils.IllegalArgumentException: u"Can't get JDBC type for null"
更新:确保导入DynamicFrame(来自awsglue.context导入DynamicFrame),因为fromDF / toDF是DynamicFrame的一部分 .
2 回答
你在错误的 class 上打电话给.fromDF . 它应该如下所示:
对于此错误,
pyspark.sql.utils.IllegalArgumentException: u"Can't get JDBC type for null"
您应该使用drop Null列 .加载到Redshift DB Tables时,我遇到了类似的错误 . 使用以下命令后,问题得到解决