azure - Spark 读/写 Azure blob 存储 - IOException : No FileSystem for scheme: wasbs

Question

我正在尝试读取/写入 Azure blob 存储，但不断收到“方案没有文件系统:wasbs”。这是我的 gradle 文件的样子

plugins {
    // Apply the scala plugin to add support for Scala
    id 'scala'
    id 'idea'
    id 'application'
}

repositories {
    mavenLocal()
    jcenter()

    maven {
        url "https://repository.mulesoft.org/nexus/content/repositories/public"
    }
}

dependencies {
    // Spark SQL subsumes Spark Core
    compileOnly 'org.apache.spark:spark-sql_2.12:3.0.3'
    implementation group: 'org.scala-lang', name: 'scala-library', version: '2.12.1'

    implementation group: 'com.typesafe', name: 'config', version: '1.4.1'
    implementation group: 'com.microsoft.azure', name: 'azure-storage', version: '8.6.6'
    implementation group: 'org.apache.hadoop', name: 'hadoop-azure', version: '3.3.1'
}


jar {
    manifest {
        attributes('Main-Class': 'AppRunner')
    }
    from {
        configurations.runtimeClasspath.collect { it.isDirectory() ? it : zipTree(it) }
    }
    exclude 'META-INF/*.RSA'
    exclude 'META-INF/*.SF'
    exclude 'META-INF/*.DSA'

    duplicatesStrategy(DuplicatesStrategy.EXCLUDE)
}

我正在创建一个 jar 文件，其中包含 hadoop-azure 和 azure-storage 所需的所有依赖项。

这就是我的 Scala 文件主要做的事情。

spark.conf.set("fs.azure.account.key.<blob-name>.blob.core.windows.net", "<blob-key>")
spark.sparkContext.hadoopConfiguration.set("fs.azure", "org.apache.hadoop.fs.azure.NativeAzureFileSystem")

val df = spark.read.parquet("wasbs://<container-name>@<blob-name>.blob.core.windows.net/data/")

我的 Spark 设置当前位于 Azure 环境中的虚拟机上，我在其中以独立模式运行 Spark 3.1.2。

我的 Spark-submit 命令看起来像

./spark-3.1.2-bin-hadoop2.7/bin/spark-submit --master "local[*]"--jars jars/hadoop-azure-3.3.1.jar,jars/azure-storage-8.6.6.jar 编译-job.jar

我不需要将 jar 作为参数包含在内，但我将其包含在内是为了进行测试，因为 Spark 作业似乎无法主要找到 wasbs 文件系统。

这是我运行 jar 文件时收到的异常

Exception in thread "main" java.io.IOException: No FileSystem for scheme: wasbs
    at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2660)
    at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2667)
    at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:94)
    at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2703)
    at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2685)

知道我在这里做错了什么吗？

Answer 1

只需添加以下配置:spark.conf.set("fs.wasbs.impl", "org.apache.hadoop.fs.azure.NativeAzureFileSystem")