EMR上のApacheSparkでPostgresqlJDBCソースを使用する

ドライバープログラムとクラスターマネージャーがすべてを処理するため、postgresjarをスレーブにコピーする必要はないと思います。次の方法でPostgres外部ソースからデータフレームを作成しました：

postgresドライバーjarをダウンロード ：

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

データフレームを作成する ：

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()

スパークジョブに送信： Sparkジョブを送信するときに、ダウンロードしたjarをドライバークラスパスに追加します。

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