前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住给大家分享一下。点击跳转到网站:https://www.captainai.net/dongkelun
前言
记录一个异常
场景
Spark读取CSV文件,文件里的某些内容编码格式有问题或者有特殊字符
一种情况是 62,我碰到的这种,另一种是63,查资料查的
1 | java.lang.ArrayIndexOutOfBoundsException:62 |
1 | java.lang.ArrayIndexOutOfBoundsException:63 |
解决方法
情况1:
将GBK编码的文件转文UTF-8(我碰见的),当然这种情况也可以用情况2中的解决办法解决~
情况2:
1 | .option("multiline", "true") |
或指定schema
详情参考:CSV schema inferring fails on some UTF-8 chars
注:这上面标的是2.3.0版本的Bug,在2.2.2, 2.3.1, 2.4.0已修复,我没有测试是否在这些版本修复
.option(“multiline”, “true”) 这种办法
详细异常
1 | 19/05/30 14:03:15 ERROR Executor: Exception in task 0.0 in stage 0.0 (TID 0) |
每日英语
- 1、unified 统一的;一致标准的
- 2、analytics 英 [ænə’lɪtɪks] 美 [,ænl’ɪtɪks] n. [化学][数] 分析学;解析学
- 3、Lightning 闪电⚡ Lightning-fast 快如闪电的
- 4、scale 规模 large-scale 大规模的
- 5、achieves 实现
Apache Spark™ is a unified analytics engine for large-scale data processing.
Apache Spark™是用于大规模数据处理的统一分析引擎。