这问题我之前处理过类似的场景，咱们从几个核心角度拆解原因，再对应给出解决办法：

1. 版本不匹配是首要嫌疑 #

你的Vertica服务器版本是09.02.0104，但使用的Vertica JDBC和Spark Connector都是09.01.0100版本。虽然同属9.x系列，但Vertica的JDBC驱动和Spark Connector对服务器版本的兼容性要求很严格——尤其是数据读取阶段（show()触发的分布式数据拉取），9.02版本的服务器协议可能有更新，9.01的客户端jar无法适配；而printSchema()和count()这类操作仅在Driver节点完成元数据查询或简单统计，不需要Executor参与，所以能正常执行。

解决办法：

• 下载和Vertica服务器版本完全一致的vertica-jdbc-9.02.0104.jar和vertica-9.0.2_spark2.1_scala2.11.jar（匹配你的Spark2.1、Scala2.11环境），替换当前的9.01版本jar包，重启spark-shell重试。

2. Executor节点网络未打通（分布式场景核心坑） #

你提到从EMR主机（Driver节点）能telnet通Vertica，但Spark执行show()时，是由Executor节点发起数据连接请求的。如果Vertica的防火墙/安全组只开放了Driver节点的IP，没有放行EMR集群所有Executor节点的IP，就会出现连接超时的错误——这是分布式大数据场景中非常常见的网络问题。

验证与解决：

• 登录到EMR的任意一个Executor节点，执行telnent verticaHost port，确认是否能连通。如果不通，说明网络存在问题。
• 调整Vertica的安全组/防火墙规则，添加EMR集群所有节点的IP段（或单个Executor IP）到允许访问的列表中；如果是VPC环境，确认EMR和Vertica所在VPC有对等连接或路由打通。

3. 连接参数配置错误 #

你当前的db参数格式有问题：option("db", "DataBase?ssl=true")，这种写法可能导致Connector无法正确解析数据库名称和SSL参数。另外，SSL参数需要单独配置，不要嵌入到db名称里。

修正后的连接代码：

val source = spark.read.format("com.vertica.spark.datasource.DefaultSource")
  .option("host", "verticaHost")
  .option("port", "port")
  .option("db", "DataBase") // 单独指定数据库名
  .option("ssl", "true") // 独立配置SSL
  .option("dbschema", "Schema") // 注意你原代码拼写错了Schemna，需修正！
  .option("user", "user")
  .option("password", "password")
  .option("table", "table")
  .option("numPartitions", "1")
  .option("queryTimeout", "500")
  .load()

另外，原代码里的dbschema拼写错误（写成了Schemna），虽然printSchema()能执行，但可能在数据读取时引发隐性问题，建议先修正。

4. 关于query参数的额外说明 #

你提到添加option("query", "select * from schema.table limit 100")后，count()返回全表计数而非100。这是Vertica Spark Connector的特性：count()操作会被优化为直接执行select count(*) from table，忽略你指定的query参数。如果要统计100条数据的数量，应该用：

source.limit(100).count()

验证步骤建议 #

1. 先修正版本和参数拼写问题，重启spark-shell测试show()；
2. 如果还是失败，检查Executor节点的网络连通性；
3. 若网络没问题，尝试添加option("useServerPrepStmts", "false")参数，关闭预编译语句，部分场景下能解决连接超时问题。

内容的提问来源于stack exchange，提问作者g1_