Korzystanie ze źródła Postgresql JDBC z Apache Spark na EMR

Myślę, że nie musisz kopiować postgres jar do slave'ów, ponieważ program sterownika i menedżer klastra dbają o wszystko. Stworzyłem ramkę danych z zewnętrznego źródła Postgres w następujący sposób:

Pobierz słoik sterownika postgres :

cd $HOME && wget https://jdbc.postgresql.org/download/postgresql-42.2.5.jar

Utwórz ramkę danych :

atrribute = {'url' : 'jdbc:postgresql://{host}:{port}/{db}?user={user}&password={password}' \
        .format(host=<host>, port=<port>, db=<db>, user=<user>, password=<password>),
                 'database' : <db>,
                 'dbtable' : <select * from table>}
 df=spark.read.format('jdbc').options(**attribute).load()

Prześlij, aby rozpocząć pracę: Dodaj pobrany plik jar do ścieżki klasy sterownika podczas przesyłania zadania Spark.

--properties spark.driver.extraClassPath=$HOME/postgresql-42.2.5.jar,spark.jars.packages=org.postgresql:postgresql:42.2.5