apache-spark - Spark 错误阅读 Parquet

Question

我们正在使用 apache spark，我们将 json 文件保存为 hdfs 中的 gzip 压缩 Parquet 文件。但是，当读回它们以生成数据帧时，某些文件(但不是全部)会引发以下异常:

ERROR Executor: Exception in task 2.0 in stage 72.0 (TID 88)
org.apache.parquet.io.ParquetDecodingException: Can not read value at 351 in 
block 0 in file file:/path/to/file [...]
Caused by: java.lang.ClassCastException: 
org.apache.spark.sql.catalyst.expressions.MutableLong cannot be cast to 
org.apache.spark.sql.catalyst.expressions.MutableDouble

非常感谢任何帮助!

Answer 1

当您尝试同时读取具有不同模式的 Parquet 文件时，会发生这种错误。尝试让/convert 所有源文件具有相同的架构或同时转换所有源文件。