apache-spark - UserWarning : pyarrow. open_stream 已弃用，请使用 pyarrow.ipc.open_stream 警告

Question

我正在通过 pyspark 在本地运行 spark 2.4.2，用于 NLP 中的 ML 项目。 Pipeline 中的部分预处理步骤涉及使用通过 pyarrow 优化的 pandas_udf 函数。每次我使用预处理的 Spark 数据框进行操作时，都会出现以下警告:

UserWarning: pyarrow.open_stream is deprecated, please use pyarrow.ipc.open_stream warnings.warn("pyarrow.open_stream is deprecated, please use "

我尝试更新 pyarrow 但未能避免警告。我的 pyarrow 版本是 0.14。我想知道这个警告的含义以及是否有人找到了解决方案？预先非常感谢您。

Spark session 详细信息:

conf = SparkConf(). \
setAppName('map'). \
setMaster('local[*]'). \
set('spark.yarn.appMasterEnv.PYSPARK_PYTHON', '~/anaconda3/bin/python'). \
set('spark.yarn.appMasterEnv.PYSPARK_DRIVER_PYTHON', '~/anaconda3/bin/python'). \
set('executor.memory', '8g'). \
set('spark.executor.memoryOverhead', '16g'). \
set('spark.sql.codegen', 'true'). \
set('spark.yarn.executor.memory', '16g'). \
set('yarn.scheduler.minimum-allocation-mb', '500m'). \
set('spark.dynamicAllocation.maxExecutors', '3'). \
set('spark.driver.maxResultSize', '0'). \
set("spark.sql.execution.arrow.enabled", "true"). \
set("spark.debug.maxToStringFields", '100')

spark = SparkSession.builder. \
    appName("map"). \
    config(conf=conf). \
    getOrCreate()

Answer 1

此警告来自您的 pyspark 版本，该版本使用 pyarrow 已弃用的函数。

但是一切正常，所以您现在可以简单地忽略警告，或者更新您的 pyspark 版本(在最新版本中，他们修复了已弃用的 pyarrow 函数的使用)