python - AnalysisException : Path does not exist: dbfs:/databricks/python/lib/python3. 7/site-packages/sampleFolder/data;

Question

我将以下代码打包在 whl 文件中:

from pkg_resources import resource_filename
def path_to_model(anomaly_dir_name: str, data_path: str):
    filepath = resource_filename(anomaly_dir_name, data_path)
    return filepath
def read_data(spark) -> DataFrame:
    return (spark.read.parquet(str(path_to_model("sampleFolder", "data"))))

我确认 whl 文件正确包含 sampleFolder/data/目录下的 Parquet 文件。当我在本地运行它时，它可以工作，但是当我将此 whl 文件上传到 dbfs 并运行时，我收到此错误:

AnalysisException: Path does not exist: dbfs:/databricks/python/lib/python3.7/site-packages/sampleFolder/data;

我确认这个目录实际上不存在:dbfs:/databricks/python
知道这个错误可能是什么吗？
谢谢。

Answer 1

默认情况下，Spark on Databricks 使用 DBFS 上的文件，直到您明确更改架构。在您的情况下，path_to_model函数返回字符串 /databricks/python/lib/python3.7/site-packages/sampleFolder/data ，并且因为它没有显式模式，所以 Spark 使用 dbfs架构。但是文件在本地节点上，而不是在 DBFS 上——这就是 Spark 找不到它的原因。
要解决这个问题，您需要将数据复制到 DBFS，然后从那里读取。这可以通过 dbutils.fs.cp 来完成命令。将代码更改为以下内容:

def read_data(spark) -> DataFrame:
    data_path = str(path_to_model("sampleFolder", "data"))
    tmp_path = "/tmp/my_sample_data"
    dbutils.fs.cp("file:" + data_path, tmp_path, True)
    return (spark.read.parquet(tmp_path))