类型错误：“JavaPackage”对象在 PySpark、AWS Glue 上不可调用

Question

我已经在 Scala 中学习了 Spark，但我对 pySpark 和 AWS Glue 非常陌生，

所以我遵循了 AWS 的这个官方教程。

https://docs.aws.amazon.com/ja_jp/glue/latest/dg/aws-glue-programming-python-samples-legislators.html

我成功创建了开发端点，

通过 ssh 连接到 pyspark REPL 并输入以下命令：

import sys

from awsglue.transforms import *

from awsglue.utils import getResolvedOptions

from pyspark.context import SparkContext

from awsglue.context import GlueContext

from awsglue.job import Job

glueContext = GlueContext(SparkContext.getOrCreate())

但在最后一行，我得到了

>>> glueContext = GlueContext(SparkContext.getOrCreate())

Traceback (most recent call last):

  File "<stdin>", line 1, in <module>

  File "/usr/share/aws/glue/etl/python/PyGlue.zip/awsglue/context.py", line 44, in __init__

  File "/usr/share/aws/glue/etl/python/PyGlue.zip/awsglue/context.py", line 64, in _get_glue_scala_context

TypeError: 'JavaPackage' object is not callable

我也尝试过手动导入 py4j，但是没有用。

我怎样才能解决这个问题？

任何小帮助将不胜感激。

Answer 1

最后我自己解决了。看起来这是 Glue/AWS 特定的问题，而不是 spark 或 python。经过多次试验，我收到一条错误消息，指出启动 Spark(pyspark) REPL 时“ListObject”操作失败。ListObject 显然是 boto3 的 API 调用名称，用于访问 S3 上的内容。所以我检查了它的 IAM 角色，其中包含 AWSGlueConsoleFullAccess 和一些 S3Access，附加了 AmazonS3FullAccess 策略，错误消失了。此外，我制作了另一个胶水开发端点集群，即使没有 S3FullAccess，新集群也没有错误。也许每次我在胶水集群上唤醒 Spark 时，集群都会自动尝试从某个指定的 S3 存储桶中获取一些更新，有时在某个更新发布之前构建集群时会遇到麻烦。