PySpark读取Oracle XML数据时报oracle.xdb.XMLType类未找到如何解决

1. 依赖版本不兼容问题 #

• Spark 2.3.0默认适配JDK 8环境，你当前使用的xdb-21.3.0.0.jar版本过高，该版本适配更高版本的JDK和Oracle驱动，与JDK 8、ojdbc8的兼容性差
• xmlparserv2、xdb、ojdbc三个Oracle相关依赖的版本必须完全对齐，不允许跨版本混用（你当前xmlparserv2是18.3版本，xdb是21.3版本，跨版本会导致类依赖链断裂）
• 推荐解决方案：三个依赖统一使用与你的Oracle数据库大版本匹配、且适配JDK8的版本，例如均使用12.2.0.1版本的ojdbc8.jar、xdb.jar、xmlparserv2.jar

2. 提交命令语法错误与类路径配置问题 #

• 你的spark-submit命令存在语法错误：--jars "${OJDBC}",${MSSQL}"中${MSSQL}前多了一个双引号，会导致后续XDB相关的jar包路径解析异常，不会被正确分发到YARN集群的Executor节点
• Spark 2.3的YARN Cluster模式下，仅通过--jars指定依赖可能存在Executor类路径未自动加载的问题，需要额外添加配置显式指定Driver和Executor的类路径，修正后的提交命令参考：

OJDBC=deployment/libs/ojdbc8.jar
MSSQL=deployment/libs/mssql-jdbc-9.2.1.jre8.jar
POSTGRE=deployment/libs/postgresql-42.2.19.jar
XDB=deployment/libs/xmlparserv2-12.2.0.1.jar,deployment/libs/xdb-12.2.0.1.jar

spark2-submit \
  --jars "${OJDBC},${MSSQL},${POSTGRE},${XDB}" \
  --conf spark.driver.extraClassPath="./ojdbc8.jar:./xmlparserv2-12.2.0.1.jar:./xdb-12.2.0.1.jar" \
  --conf spark.executor.extraClassPath="./ojdbc8.jar:./xmlparserv2-12.2.0.1.jar:./xdb-12.2.0.1.jar" \
  --master yarn \
  --deploy-mode cluster \
  worker_main.py

3. 无依赖规避方案 #

如果不想调整依赖和配置，可以直接在查询层转换XMLType字段，避免Spark侧加载Oracle XMLType类：
将你的dbtable参数对应的查询改写，使用Oracle内置函数把XMLType字段转为CLOB/字符串返回，示例：

SELECT 普通字段1, 普通字段2, XMLTYPE.GETCLOBVAL(XML格式字段名) AS 字段别名 FROM 目标表

转换后Spark读取到的是字符串类型字段，不会触发XMLType相关的类加载逻辑，可直接绕过该报错。

内容的提问来源于stack exchange，提问作者Miroslav Krabec