PySpark 中的错误类#
这是一份 PySpark 返回的常见命名错误类列表，这些错误类定义在 error-conditions.json 中。
在编写 PySpark 错误时，开发人员必须使用列表中的错误类。如果没有合适的错误类，请在列表中添加一个新的。更多信息，请参阅 贡献错误和异常 (Contributing Error and Exception)。
必须在配置中设置应用程序名称。 当 <condition> 时，参数 <arg_name> 是必需的。 PySpark 不支持 Arrow 旧版 IPC 格式，请取消设置 ARROW_PRE_0_15_IPC_FORMAT。 在流水线查询函数中不允许执行触发 DataFrame 分析或执行的操作。请将代码移到流水线查询函数之外。 所提供对象 <obj_name> 中的属性 <attr_name> 不可调用。 属性 <attr_name> 不受支持。 长度不匹配：预期轴有 <expected_length> 个元素，新值有 <actual_length> 个元素。 广播变量 <variable> 未加载。 不支持在初始化 <object> 之前调用 <func_name>。 <data_type> 不能接受类型为 <obj_type> 的对象 <obj_name>。 Dunder（双下划线）属性仅供内部使用。 无法对列应用 ‘in’ 运算符：请在字符串列中使用 ‘contains’，或在数组列中使用 ‘array_contains’ 函数。 必须至少指定一个 <item>。 参数 <arg_name> 不能为 None。 无法配置 Spark Connect 服务器：现有 [<existing_url>]，新配置 [<new_url>]。 无法同时配置 Spark Connect 服务器和 Spark master：Spark master [<master_url>]，Spark Connect [<connect_url>]。 无法将列转换为布尔值：构建 DataFrame 布尔表达式时，请分别使用 ‘&’ 代替 ‘and’，‘|’ 代替 ‘or’，‘~’ 代替 ‘not’。 无法将 <from_type> 转换为 <to_type>。 推断后无法确定某些类型。 无法从 <obj_name> 获取批次 ID。 无法推断元素数据类型，需要一个以非 None 值开头的非空列表。 无法从空数据集中推断模式。 无法推断类型 <data_type> 的模式。 无法推断字段 <field_name> 的类型。 无法合并类型 <data_type1> 和 <data_type2>。 无法打开套接字：<errors>。 无法解析数据类型。<msg>。 元数据只能为单个列提供。 无法注册 UDTF ‘<name>’：预期为 ‘UserDefinedTableFunction’。请确保 UDTF 正确定义为类，然后将其包装在 udtf() 函数中，或使用 @udtf(…) 进行注解。 <arg_list> 不应一起设置。 当 <arg_name> 为用户自定义函数时，不能指定 returnType，但得到的是 <return_type>。 没有 <condition2>，无法执行 <condition1>。 PySpark Classic 不支持调用属性或成员 ‘<member>’，请改用 Spark Connect。 值 <provider> 不代表正确的排序规则提供程序。支持的提供程序有：[<supportedProviders>]。 <func_name> 不允许列表中包含 Column。 –full-refresh-all 选项与 <conflicting_option> 冲突。–full-refresh-all 选项对所有数据集执行完全刷新，因此不允许使用 <conflicting_option> 指定单个数据集。 只能设置一个 Spark Connect 客户端 URL；然而，从现有的 [<existing_url>] 中得到了不同的 URL [<new_url>]。 无法创建 Spark Connect 会话，因为尚未设置 Spark Connect 远程 URL。请通过设置 ‘spark.remote’ 选项或 ‘SPARK_REMOTE’ 环境变量来定义远程 URL。 看来您正尝试从广播变量、动作或转换中引用 SparkContext。SparkContext 只能在驱动程序上使用，而不能在工作节点运行的代码中使用。更多信息，请参见 SPARK-5063。 <type>.pushFilters() 返回了不属于输入的过滤器。请确保每个返回的过滤器在引用上都是输入过滤器之一。 来自 Python 数据源 ‘<name>’ 的不支持的返回类型 (‘<type>’)。预期类型：<supported_types>。 <type> 实现了 pushFilters()，但由于配置 ‘<conf>’ 为 false，过滤器下推被禁用。将其设置为 true 以启用过滤器下推。 ‘read’ 方法返回的结果中模式不匹配。预期：<expected> 列，发现：<actual> 列。请确保返回的值与所需的输出模式匹配。 预期 <expected>，但得到的是 <actual>。 意外的过滤器 <name>。 传递给 @<decorator_name> 的第一个位置参数必须是可调用的。要么在函数中使用无参数的 @<decorator_name>，要么使用关键字参数将选项传递给 @<decorator_name>（例如 <example_usage>）。 DataFrame 不相等：左侧：<left> <left_dtype> 右侧：<right> <right_dtype> 索引不相等：左侧：<left> <left_dtype> 右侧：<right> <right_dtype> MultiIndices 不相等：左侧：<left> <left_dtype> 右侧：<right> <right_dtype> Series 不相等：左侧：<left> <left_dtype> 右侧：<right> <right_dtype> <error_msg> 模式不匹配。— 实际 +++ 预期 <error_msg> 参数 <arg_name> (类型: <arg_type>) 应仅包含 [<allowed_types>] 中的类型，但得到的是 <item_type> 重复的制品：<normalized_path>。制品无法被覆盖。 不允许在 Arrow Struct 中出现重复的字段名，得到的是 <field_names> 调用 <func_name> 时发生错误：<error_msg>。 <data_type> 不能接受类型为 <obj_type> 的对象 <obj>。 <field_name>: <data_type> 不能接受类型为 <obj_type> 的对象 <obj>。 字段不可为空，但得到的是 None。 <field_name>: 该字段不可为空，但得到的是 None。 对象长度 (<object_length>) 与字段长度 (<field_length>) 不匹配。 <field_name>: 对象长度 (<object_length>) 与字段长度 (<field_length>) 不匹配。 <obj> 不是类型 <data_type> 的实例。 <field_name>: <obj> 不是类型 <data_type> 的实例。 定义声明式流水线元素的 API 只能在定义流水线的上下文中调用。 函数 <func_name> 应返回 Column，但得到的是 <return_type>。 必须设置为 true 才能启用 Python 分析。 索引必须为正数，得到的是 ‘<index>’。 <arg_name> 索引超出范围，得到的是 ‘<index>’。 Arrow 优化后的 Python UDTF 的返回类型应为 ‘pandas.DataFrame’，但 ‘<func>’ 方法返回了类型为 <return_type> 的值：<value>。 带有 PARTITION BY 的 Arrow UDTF 必须具有导致 PyArrow RecordBatch 的 TABLE 参数，但得到的是 <actual_type>。 Arrow UDTF ‘<name>’ 无效。Arrow UDTF 不支持 ‘analyze’ 方法。请从 ‘<name>’ 中移除 ‘analyze’ 方法并指定返回类型。 广播只能在驱动程序中 <operation>。 对未解析的对象调用 <func_name> 无效。 Spark Connect 的 URL 无效：<detail> 从 <start_field> 到 <end_field> 的间隔无效。 <arg_name> 中的所有项目都应在 <allowed_types> 中，但得到的是 <item_type>。 排序规则只能应用于字符串类型，但 JSON 数据类型为 <jsonType>。 [{arg_names}] 不能为 <condition>。 NumPy 数组输入应具有 <dimensions> 维度。 组 <dataframes_in_group> 中的 DataFrame 数量无效。 函数无效：<detail> <arg_name> 应为 PandasUDFType 中的值之一，但得到的是 <arg_type> 分组和协同分组映射 Arrow UDF 应为 <eval_type> 返回 StructType，但得到的是 <return_type>。 Pandas UDF 应为 <eval_type> 返回 StructType，但得到的是 <return_type>。 参数值 <arg_name> 必须是有效的 UUID 格式：<origin> 超时时间戳 (<timestamp>) 不能早于当前水位 (<watermark>)。 参数 <arg_name> 不应为 <arg_type>。 StructField 没有 typeName。请明确使用其类型上的 typeName。 预期 <arg_name> 的类型为 <expected_type>，但得到的是类型 <actual_type>。 UDF 的评估类型必须为 <eval_type>。 UDTF ‘<name>’ 无效。它同时具有返回类型和 ‘analyze’ 属性。请确保它仅具有返回类型或 ‘analyze’ 静态方法中的一个，然后重试。 UDTF ‘<name>’ 的评估类型无效。它必须是 <eval_type> 之一。 UDTF 无效。函数处理程序必须是一个类，但得到的是 ‘<type>’。请提供一个类作为函数处理程序。 UDTF ‘<name>’ 无效。它没有实现所需的 ‘eval’ 方法。请在 ‘<name>’ 中实现 ‘eval’ 方法，然后重试。 UDTF ‘<name>’ 无效。它没有指定其返回类型或实现所需的 ‘analyze’ 静态方法。请在 ‘<name>’ 中指定返回类型或实现 ‘analyze’ 静态方法，然后重试。 when() 只能应用于先前由 when() 函数生成的列，且一旦应用了 otherwise()，则不能再应用。 窗口边界类型无效：<window_bound_type>。 Java 网关进程在发送其端口号之前退出。 属性 <attr_name> 在 Spark Connect 中不受支持，因为它依赖于 JVM。如果您需要使用此属性，请在创建会话时不要使用 Spark Connect。访问 https://spark.apache.org/docs/latest/sql-getting-started.html#starting-point-sparksession 获取关于创建常规 Spark 会话的详细信息。 键 <key> 不存在。 需要键值对或键值对列表。 <arg1> 和 <arg2> 的长度应相同，得到的是 <arg1_length> 和 <arg2_length>。 地理二进制格式不正确。请检查数据源是否有效。 几何二进制格式不正确。请检查数据源是否有效。 变体二进制格式不正确。请检查数据源是否有效。 Master 必须是 yarn，或者以 spark、k8s 或 local 开头。 必须在配置中设置 master URL。 内存分析器只能在带行号的编辑器上使用。 在集群中安装 ‘memory_profiler’ 库以启用内存分析。 <operator> 的参数不包含有效的计划。 不支持混合类型的替换。 在目录 <dir_path> 中找到多个流水线规范文件。请删除其中一个，或使用 –spec 参数选择特定的一个。 <arg_name> 的值必须大于或等于 0，得到的是 ‘<arg_value>’。 参数 <arg_name> 应为 bool，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool、dict、float、int、str 或 tuple，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool、dict、float、int 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool、float 或 int，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool、float、int、list、None、str 或 tuple，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool、float、int 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool 或 list，但得到的是 <arg_type>。 参数 <arg_name> 应为 bool 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 callable，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column、str 或 DataType，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column、float、integer、list 或 string，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column 或 int，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column、int、list、str 或 tuple，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column、int 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column、list 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 Column 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 StructType、Column 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 DataFrame，但得到的是 <arg_type>。 参数 <arg_name> 应为 DataType 或 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 dict，但得到的是 <arg_type>。 参数 <arg_name> 应为 Expression，但得到的是 <arg_type>。 参数 <arg_name> 应为 float 或 int，但得到的是 <arg_type>。 参数 <arg_name> 应为 float、int、list 或 str，但得到的是 <arg_type>。 <feature> 未实现。 参数 <arg_name> 应为 int，但得到的是 <arg_type>。 参数 <arg_name> 应为 int、slice 或 str，但得到的是 <arg_type>。 不在屏障阶段。 <objectName> 不可迭代。 参数 <arg_name> 应为 list，但得到的是 <arg_type>。 参数 <arg_name> 应为 list[Column]。 参数 <arg_name> 应为 list[Column]。 参数 <arg_name> 应为 list[float, int]，但得到的是 <arg_type>。 参数 <arg_name> 应为 list[str]，但得到的是 <arg_type>。 参数 <arg_name> 应为 list、None 或 StructType，但得到的是 <arg_type>。 参数 <arg_name> 应为 list、str 或 tuple，但得到的是 <arg_type>。 参数 <arg_name> 应为 list 或 tuple，但得到的是 <arg_type>。 数值聚合函数只能应用于数值列，得到的是 <invalid_columns>。 参数 <arg_name> 应为 Observation 或 str，但得到的是 <arg_type>。 参数 <arg_name1> 和 <arg_name2> 应为相同类型，得到的是 <arg_type1> 和 <arg_type2>。 参数 <arg_name> 应为 str，但得到的是 <arg_type>。 参数 <arg_name> 应为 struct type，但得到的是 <arg_type>。 参数 <arg_name> 应为 str 或 list[RDD]，但得到的是 <arg_type>。 参数 <arg_name> 应为 str 或 struct type，但得到的是 <arg_type>。 参数 <arg_name> 应为 WindowSpec，但得到的是 <arg_type>。 无活动异常。 未找到活动的或默认的 Spark 会话。请在运行代码前创建新的 Spark 会话。 未找到活动的 Spark 会话。请在运行代码前创建新的 Spark 会话。 应在 get 之前通过调用 DataFrame.observe 进行观察。 仅允许 <arg_name> 为不带方案的路径，且 Spark 驱动程序应使用默认方案来确定目标文件系统。 参数 <arg_name> 只能为单个列提供。 仅允许单个触发器。 <feature> 仅在 Spark Connect 中受支持；然而，当前的 Spark 会话不使用 Spark Connect。 必须安装 <package_name> >= <minimum_version>；然而，未找到。 Pandas API on Spark 在 ANSI 模式下无法正常工作。请将 Spark 配置 ‘spark.sql.ansi.enabled’ 设置为 false。或者，将 pandas-on-spark 选项 ‘compute.fail_on_ansi_mode’ 设置为 False 以强制其工作，尽管这可能会导致意外行为。 Pandas SCALAR_ITER UDF 输出的行数超过了输入的行数。 对于流水线规范字段 <field_name>，键应为字符串，但得到的是 <key_type>。 对于流水线规范字段 <field_name>，键 <key_name> 的值应为字符串，但得到的是 <value_type>。 流水线规范字段 <field_name> 应为 dict，但得到的是 <field_type>。 流水线规范文件 <spec_path> 不存在。 参数中未提供 spark-pipeline.yaml 或 spark-pipeline.yml 文件，或在目录 <dir_path> 或可读的祖先目录中未找到该文件。 库中的 glob 模式 <glob_pattern> 无效。仅允许文件路径，或以 /** 结尾的文件夹路径。 流水线规范缺少必需字段 <field_name>。 流水线规范字段 <field_name> 是意外的。 流水线定义文件 <file_path> 具有不受支持的扩展名。支持的扩展名为 .py 和 .sql。 管道函数 <func_name> 以错误代码 <error_code> 退出。 列 <col_name> 必须是 <valid_types> 之一才能绘图，得到的是 <col_type>。 参数 <arg_name> 必须是数值列才能绘图，得到的是 <arg_type>。 字符串哈希的随机性应通过 PYTHONHASHSEED 禁用。 运行 Python 流式数据源时失败：<msg> Worker 中的 Python 版本：<worker_version> 与驱动程序中的版本：<driver_version> 不同，PySpark 无法在不同的小版本下运行。请检查环境变量 PYSPARK_PYTHON 和 PYSPARK_DRIVER_PYTHON 是否设置正确。 看来您正尝试广播 RDD 或从动作或转换中引用 RDD。RDD 转换和动作只能由驱动程序调用，而不能在其他转换内部调用；例如，rdd1.map(lambda x: rdd2.values.count() * x) 是无效的，因为 values 转换和 count 动作不能在 rdd1.map 转换内部执行。更多信息，请参见 SPARK-5063。 <object> 是只读的。 服务器上出现 <error_type>，但已从中收到响应。 返回的 pyarrow.Table 的列名与指定的模式不匹配。<missing><extra> 返回的 pyarrow.Table 或 pyarrow.RecordBatch 的列名与指定的模式不匹配。预期：<expected> 实际：<actual> 返回的 pandas.DataFrame 的列名与指定的模式不匹配。<missing><extra> 返回的 pandas.DataFrame 的列数与指定的模式不匹配。预期：<expected> 实际：<actual> Scalar 迭代器 pandas UDF 的输出长度应与输入的长度相同；然而，输出长度为 <output_length>，输入长度为 <input_length>。 列的数据类型不匹配：<mismatch>。 一个 Observation 只能与一个 DataFrame 使用一次。 来自 <udf_type> 的结果向量不是所需的长度：预期 <expected>，得到的是 <actual>。 来自 <udf_type> 的结果向量不是所需的长度：预期 <expected>，得到的是 <actual>。 无法启动远程 Spark 会话，因为已经有常规的 Spark 会话在运行。 声明式流水线中不允许会话变异 <method>。 需要连接字符串或 channelBuilder（互斥）来创建新的 SparkSession。 两个 Datasets 都必须属于同一个 SparkSession。 不应该存在现有的 Spark 会话或 Spark 上下文。 应首先创建 SparkContext 或 SparkSession。 不支持带步长的切片。 状态未定义或已被删除。 捕获到用户代码抛出的 StopIteration；任务失败：<exc> pandas 迭代器 UDF 应耗尽输入迭代器。 无法序列化函数 <name>。如果您访问了 Spark 会话、函数外部定义的 DataFrame 或包含 Spark 会话的任何对象，请注意它们在 Spark Connect 中是不允许的。对于 foreachBatch，请使用 df.sparkSession 访问 Spark 会话，其中 df 是您 foreachBatch 函数中的第一个参数。对于 StreamingQueryListener，请使用 self.spark 访问 Spark 会话。有关详细信息，请查看 PySpark 关于 foreachBatch 和 StreamingQueryListener 的文档。 无效或不受支持的边插值算法值：‘<alg>’。 无效或不受支持的 CRS（坐标参考系统）值：‘<crs>’。 无效或不受支持的 SRID（空间参考标识符）值：<srid>。 <test_class_path> 不存在。Spark sql 测试类未编译。 预期 <item> 有 <expected> 个值，但得到的是 <actual> 个。 应指定 <target> 的类型提示；然而，得到的是 <sig>。 用户定义函数的返回类型应为 <expected>，但实际上是 <actual>。 无法将类型为 ‘<col_type>’ 的列 ‘<col_name>’ 的输出值转换为该列指定的返回类型：‘<arrow_type>’。请检查数据类型是否匹配，然后重试。 PyArrow UDTF 必须返回 pyarrow.Table 或 pyarrow.RecordBatch 对象的迭代器。 未能评估用户定义的表函数 ‘<name>’，因为其构造函数无效：该函数实现了 ‘analyze’ 方法，但其构造函数有两个以上的参数（包括 ‘self’ 引用）。请更新表函数，使其构造函数接受一个 ‘self’ 参数，或一个 ‘self’ 参数加上 ‘analyze’ 方法结果的另一个参数，然后重试查询。 未能评估用户定义的表函数 ‘<name>’，因为其构造函数无效：该函数没有实现 ‘analyze’ 方法，且其构造函数有一个以上的参数（包括 ‘self’ 引用）。请更新表函数，使其构造函数只接受一个 ‘self’ 参数，然后重试查询。 未能评估用户定义的表函数 ‘<name>’，因为函数参数与 ‘eval’ 方法的预期签名不匹配 (<reason>)。请更新查询，以便此表函数调用提供与预期签名匹配的参数，或者更新表函数，使其 ‘eval’ 方法接受提供的参数，然后重试查询。 用户定义的表函数在 ‘<method_name>’ 方法中遇到错误：<error> UDTF 的 ‘<func>’ 方法中单个输出行的类型无效。每一行都应该是 tuple、list 或 dict，但得到的是 ‘<type>’。请确保输出行具有正确的类型。 UDTF 的 ‘<func>’ 方法的返回值无效。它应该是一个可迭代对象（例如，生成器或列表），但得到的是 ‘<type>’。请确保 UDTF 返回其中一种类型。 结果中的列数与指定的模式不匹配。预期列数：<expected>，实际列数：<actual>。请确保 ‘<func>’ 方法返回的值具有与输出模式中指定的相同数量的列。 UDTF ‘<name>’ 的返回类型不匹配。预期为 ‘StructType’，但得到的是 ‘<return_type>’。请确保返回类型是格式正确的 StructType。 无法序列化 UDTF ‘<name>’：<message> 从迭代器服务器收到意外响应。 带有 StructType 的意外元组 <tuple>。 未知的解释模式：‘<explain_mode>’。接受的解释模式有 ‘simple’、‘extended’、‘codegen’、‘cost’、‘formatted’。 未知的中断类型：‘<interrupt_type>’。接受的中断类型有 ‘all’。 未知响应：<response>。 <var> 的值未知。 不支持的数据类型 <data_type>。 Arrow 不支持单一数据类型 <data_type>。 <data_type> 在转换为 Arrow 时不受支持。 <data_type> 仅在 pyarrow 2.0.0 及以上版本中受支持。 不支持的连接类型：‘<typ>’。支持的连接类型包括：<supported>。 不支持的字面量 ‘<literal>’。 不支持使用 local 连接字符串创建新的 SparkSession。 数组标量类型 ‘<dtype>’ 不受支持。 <operation> 不受支持。 必须安装 <package_name> >= <minimum_version>；然而，您的版本是 <current_version>。 函数 <func_name> 应仅使用 POSITIONAL 或 POSITIONAL OR KEYWORD 参数。 饼图需要 y 列或 subplots=True。 不受支持的流水线数据集类型：<dataset_type>。 <backend> 不受支持，它应该是 <supported_backends> 中的值之一。 <backend> 不支持将 <param> 设置为 <value>，它应该是 <supported_values> 中的值之一。 <plot_type> 不受支持，它应该是 <supported_plot_types> 中的值之一。 不支持的签名：<signature>。 <feature> 在 Python UDF 中启用 Arrow 优化时不受支持。禁用 ‘spark.sql.execution.pythonUDF.arrow.enabled’ 作为替代方案。 <arg_name> 的值不允许为 <disallowed_value>。 值 <value> 不能在任务内部访问。 <arg_name> 的值必须在以下值之中：<allowed_values>。 <arg_name> 的值必须为 ‘any’ 或 ‘all’，得到的是 ‘<arg_value>’。 <arg_name> 的值必须在 <min> 和 <max> 之间。 <arg_name> 的值必须为非空字符串，得到的是 ‘<arg_value>’。 <arg_name> 的值仅支持 ‘pearson’，得到的是 ‘<arg_value>’。 <field_name> 中的值 <val> 应为简单的列引用，例如 df.col 或 col(‘column’)。 <arg_name> 的值必须为正数，得到的是 ‘<arg_value>’。 <arg_name> 的值必须为 True，得到的是 ‘<arg_value>’。 <arg_name> 的值必须在 <lower_bound> 和 <upper_bound> 之间（包含边界），得到的是 <actual> 函数 <func_name> 应接受 1 到 3 个参数，但提供的函数接受 <num_args> 个参数。 函数 <func_name> 应至少接受 <num_cols> 列。 索引必须非零。APPLICATION_NAME_NOT_SET#
ARGUMENT_REQUIRED#
ARROW_LEGACY_IPC_FORMAT#
ATTEMPT_ANALYSIS_IN_PIPELINE_QUERY_FUNCTION#
ATTRIBUTE_NOT_CALLABLE#
ATTRIBUTE_NOT_SUPPORTED#
AXIS_LENGTH_MISMATCH#
BROADCAST_VARIABLE_NOT_LOADED#
CALL_BEFORE_INITIALIZE#
CANNOT_ACCEPT_OBJECT_IN_TYPE#
CANNOT_ACCESS_TO_DUNDER#
CANNOT_APPLY_IN_FOR_COLUMN#
CANNOT_BE_EMPTY#
CANNOT_BE_NONE#
CANNOT_CONFIGURE_SPARK_CONNECT#
CANNOT_CONFIGURE_SPARK_CONNECT_MASTER#
CANNOT_CONVERT_COLUMN_INTO_BOOL#
CANNOT_CONVERT_TYPE#
CANNOT_DETERMINE_TYPE#
CANNOT_GET_BATCH_ID#
CANNOT_INFER_ARRAY_ELEMENT_TYPE#
CANNOT_INFER_EMPTY_SCHEMA#
CANNOT_INFER_SCHEMA_FOR_TYPE#
CANNOT_INFER_TYPE_FOR_FIELD#
CANNOT_MERGE_TYPE#
CANNOT_OPEN_SOCKET#
CANNOT_PARSE_DATATYPE#
CANNOT_PROVIDE_METADATA#
CANNOT_REGISTER_UDTF#
CANNOT_SET_TOGETHER#
CANNOT_SPECIFY_RETURN_TYPE_FOR_UDF#
CANNOT_WITHOUT#
CLASSIC_OPERATION_NOT_SUPPORTED_ON_DF#
COLLATION_INVALID_PROVIDER#
COLUMN_IN_LIST#
CONFLICTING_PIPELINE_REFRESH_OPTIONS#
CONNECT_URL_ALREADY_DEFINED#
CONNECT_URL_NOT_SET#
CONTEXT_ONLY_VALID_ON_DRIVER#
DATA_SOURCE_EXTRANEOUS_FILTERS#
DATA_SOURCE_INVALID_RETURN_TYPE#
DATA_SOURCE_PUSHDOWN_DISABLED#
DATA_SOURCE_RETURN_SCHEMA_MISMATCH#
DATA_SOURCE_TYPE_MISMATCH#
DATA_SOURCE_UNSUPPORTED_FILTER#
DECORATOR_ARGUMENT_NOT_CALLABLE#
DIFFERENT_PANDAS_DATAFRAME#
DIFFERENT_PANDAS_INDEX#
DIFFERENT_PANDAS_MULTIINDEX#
DIFFERENT_PANDAS_SERIES#
DIFFERENT_ROWS#
DIFFERENT_SCHEMA#
DISALLOWED_TYPE_FOR_CONTAINER#
DUPLICATED_ARTIFACT#
DUPLICATED_FIELD_NAME_IN_ARROW_STRUCT#
ERROR_OCCURRED_WHILE_CALLING#
FIELD_DATA_TYPE_UNACCEPTABLE#
FIELD_DATA_TYPE_UNACCEPTABLE_WITH_NAME#
FIELD_NOT_NULLABLE#
FIELD_NOT_NULLABLE_WITH_NAME#
FIELD_STRUCT_LENGTH_MISMATCH#
FIELD_STRUCT_LENGTH_MISMATCH_WITH_NAME#
FIELD_TYPE_MISMATCH#
FIELD_TYPE_MISMATCH_WITH_NAME#
GRAPH_ELEMENT_DEFINED_OUTSIDE_OF_DECLARATIVE_PIPELINE#
HIGHER_ORDER_FUNCTION_SHOULD_RETURN_COLUMN#
INCORRECT_CONF_FOR_PROFILE#
INDEX_NOT_POSITIVE#
INDEX_OUT_OF_RANGE#
INVALID_ARROW_UDTF_RETURN_TYPE#
INVALID_ARROW_UDTF_TABLE_ARGUMENT#
INVALID_ARROW_UDTF_WITH_ANALYZE#
INVALID_BROADCAST_OPERATION#
INVALID_CALL_ON_UNRESOLVED_OBJECT#
INVALID_CONNECT_URL#
INVALID_INTERVAL_CASTING#
INVALID_ITEM_FOR_CONTAINER#
INVALID_JSON_DATA_TYPE_FOR_COLLATIONS#
INVALID_MULTIPLE_ARGUMENT_CONDITIONS#
INVALID_NDARRAY_DIMENSION#
INVALID_NUMBER_OF_DATAFRAMES_IN_GROUP#
INVALID_PANDAS_UDF#
INVALID_PANDAS_UDF_TYPE#
INVALID_RETURN_TYPE_FOR_ARROW_UDF#
INVALID_RETURN_TYPE_FOR_PANDAS_UDF#
INVALID_SESSION_UUID_ID#
INVALID_TIMEOUT_TIMESTAMP#
INVALID_TYPE#
INVALID_TYPENAME_CALL#
INVALID_TYPE_DF_EQUALITY_ARG#
INVALID_UDF_EVAL_TYPE#
INVALID_UDTF_BOTH_RETURN_TYPE_AND_ANALYZE#
INVALID_UDTF_EVAL_TYPE#
INVALID_UDTF_HANDLER_TYPE#
INVALID_UDTF_NO_EVAL#
INVALID_UDTF_RETURN_TYPE#
INVALID_WHEN_USAGE#
INVALID_WINDOW_BOUND_TYPE#
JAVA_GATEWAY_EXITED#
JVM_ATTRIBUTE_NOT_SUPPORTED#
KEY_NOT_EXISTS#
KEY_VALUE_PAIR_REQUIRED#
LENGTH_SHOULD_BE_THE_SAME#
MALFORMED_GEOGRAPHY#
MALFORMED_GEOMETRY#
MALFORMED_VARIANT#
MASTER_URL_INVALID#
MASTER_URL_NOT_SET#
MEMORY_PROFILE_INVALID_SOURCE#
MISSING_LIBRARY_FOR_PROFILER#
MISSING_VALID_PLAN#
MIXED_TYPE_REPLACEMENT#
MULTIPLE_PIPELINE_SPEC_FILES_FOUND#
NEGATIVE_VALUE#
NOT_BOOL#
NOT_BOOL_OR_DICT_OR_FLOAT_OR_INT_OR_LIST_OR_STR_OR_TUPLE#
NOT_BOOL_OR_DICT_OR_FLOAT_OR_INT_OR_STR#
NOT_BOOL_OR_FLOAT_OR_INT#
NOT_BOOL_OR_FLOAT_OR_INT_OR_LIST_OR_NONE_OR_STR_OR_TUPLE#
NOT_BOOL_OR_FLOAT_OR_INT_OR_STR#
NOT_BOOL_OR_LIST#
NOT_BOOL_OR_STR#
NOT_CALLABLE#
NOT_COLUMN#
NOT_COLUMN_OR_DATATYPE_OR_STR#
NOT_COLUMN_OR_FLOAT_OR_INT_OR_LIST_OR_STR#
NOT_COLUMN_OR_INT#
NOT_COLUMN_OR_INT_OR_LIST_OR_STR_OR_TUPLE#
NOT_COLUMN_OR_INT_OR_STR#
NOT_COLUMN_OR_LIST_OR_STR#
NOT_COLUMN_OR_STR#
NOT_COLUMN_OR_STR_OR_STRUCT#
NOT_DATAFRAME#
NOT_DATATYPE_OR_STR#
NOT_DICT#
NOT_EXPRESSION#
NOT_FLOAT_OR_INT#
NOT_FLOAT_OR_INT_OR_LIST_OR_STR#
NOT_IMPLEMENTED#
NOT_INT#
NOT_INT_OR_SLICE_OR_STR#
NOT_IN_BARRIER_STAGE#
NOT_ITERABLE#
NOT_LIST#
NOT_LIST_OF_COLUMN#
NOT_LIST_OF_COLUMN_OR_STR#
NOT_LIST_OF_FLOAT_OR_INT#
NOT_LIST_OF_STR#
NOT_LIST_OR_NONE_OR_STRUCT#
NOT_LIST_OR_STR_OR_TUPLE#
NOT_LIST_OR_TUPLE#
NOT_NUMERIC_COLUMNS#
NOT_OBSERVATION_OR_STR#
NOT_SAME_TYPE#
NOT_STR#
NOT_STRUCT#
NOT_STR_OR_LIST_OF_RDD#
NOT_STR_OR_STRUCT#
NOT_WINDOWSPEC#
NO_ACTIVE_EXCEPTION#
NO_ACTIVE_OR_DEFAULT_SESSION#
NO_ACTIVE_SESSION#
NO_OBSERVE_BEFORE_GET#
NO_SCHEMA_AND_DRIVER_DEFAULT_SCHEME#
ONLY_ALLOWED_FOR_SINGLE_COLUMN#
ONLY_ALLOW_SINGLE_TRIGGER#
ONLY_SUPPORTED_WITH_SPARK_CONNECT#
PACKAGE_NOT_INSTALLED#
PANDAS_API_ON_SPARK_FAIL_ON_ANSI_MODE#
PANDAS_UDF_OUTPUT_EXCEEDS_INPUT_ROWS#
PIPELINE_SPEC_DICT_KEY_NOT_STRING#
PIPELINE_SPEC_DICT_VALUE_NOT_STRING#
PIPELINE_SPEC_FIELD_NOT_DICT#
PIPELINE_SPEC_FILE_DOES_NOT_EXIST#
PIPELINE_SPEC_FILE_NOT_FOUND#
PIPELINE_SPEC_INVALID_GLOB_PATTERN#
PIPELINE_SPEC_MISSING_REQUIRED_FIELD#
PIPELINE_SPEC_UNEXPECTED_FIELD#
PIPELINE_UNSUPPORTED_DEFINITIONS_FILE_EXTENSION#
PIPE_FUNCTION_EXITED#
PLOT_INVALID_TYPE_COLUMN#
PLOT_NOT_NUMERIC_COLUMN_ARGUMENT#
PYTHON_HASH_SEED_NOT_SET#
PYTHON_STREAMING_DATA_SOURCE_RUNTIME_ERROR#
PYTHON_VERSION_MISMATCH#
RDD_TRANSFORM_ONLY_VALID_ON_DRIVER#
READ_ONLY#
RESPONSE_ALREADY_RECEIVED#
RESULT_COLUMNS_MISMATCH_FOR_ARROW_UDF#
RESULT_COLUMNS_MISMATCH_FOR_ARROW_UDTF#
RESULT_COLUMNS_MISMATCH_FOR_PANDAS_UDF#
RESULT_LENGTH_MISMATCH_FOR_PANDAS_UDF#
RESULT_LENGTH_MISMATCH_FOR_SCALAR_ITER_PANDAS_UDF#
RESULT_TYPE_MISMATCH_FOR_ARROW_UDF#
REUSE_OBSERVATION#
SCHEMA_MISMATCH_FOR_ARROW_PYTHON_UDF#
SCHEMA_MISMATCH_FOR_PANDAS_UDF#
SESSION_ALREADY_EXIST#
SESSION_MUTATION_IN_DECLARATIVE_PIPELINE#
SESSION_NEED_CONN_STR_OR_BUILDER#
SESSION_NOT_SAME#
SESSION_OR_CONTEXT_EXISTS#
SESSION_OR_CONTEXT_NOT_EXISTS#
SLICE_WITH_STEP#
STATE_NOT_EXISTS#
STOP_ITERATION_OCCURRED#
STOP_ITERATION_OCCURRED_FROM_SCALAR_ITER_PANDAS_UDF#
STREAMING_CONNECT_SERIALIZATION_ERROR#
ST_INVALID_ALGORITHM_VALUE#
ST_INVALID_CRS_VALUE#
ST_INVALID_SRID_VALUE#
TEST_CLASS_NOT_COMPILED#
TOO_MANY_VALUES#
TYPE_HINT_SHOULD_BE_SPECIFIED#
UDF_RETURN_TYPE#
UDTF_ARROW_TYPE_CAST_ERROR#
UDTF_ARROW_TYPE_CONVERSION_ERROR#
UDTF_CONSTRUCTOR_INVALID_IMPLEMENTS_ANALYZE_METHOD#
UDTF_CONSTRUCTOR_INVALID_NO_ANALYZE_METHOD#
UDTF_EVAL_METHOD_ARGUMENTS_DO_NOT_MATCH_SIGNATURE#
UDTF_EXEC_ERROR#
UDTF_INVALID_OUTPUT_ROW_TYPE#
UDTF_RETURN_NOT_ITERABLE#
UDTF_RETURN_SCHEMA_MISMATCH#
UDTF_RETURN_TYPE_MISMATCH#
UDTF_SERIALIZATION_ERROR#
UNEXPECTED_RESPONSE_FROM_SERVER#
UNEXPECTED_TUPLE_WITH_STRUCT#
UNKNOWN_EXPLAIN_MODE#
UNKNOWN_INTERRUPT_TYPE#
UNKNOWN_RESPONSE#
UNKNOWN_VALUE_FOR#
UNSUPPORTED_DATA_TYPE#
UNSUPPORTED_DATA_TYPE_FOR_ARROW#
UNSUPPORTED_DATA_TYPE_FOR_ARROW_CONVERSION#
UNSUPPORTED_DATA_TYPE_FOR_ARROW_VERSION#
UNSUPPORTED_JOIN_TYPE#
UNSUPPORTED_LITERAL#
UNSUPPORTED_LOCAL_CONNECTION_STRING#
UNSUPPORTED_NUMPY_ARRAY_SCALAR#
UNSUPPORTED_OPERATION#
UNSUPPORTED_PACKAGE_VERSION#
UNSUPPORTED_PARAM_TYPE_FOR_HIGHER_ORDER_FUNCTION#
UNSUPPORTED_PIE_PLOT_PARAM#
UNSUPPORTED_PIPELINES_DATASET_TYPE#
UNSUPPORTED_PLOT_BACKEND#
UNSUPPORTED_PLOT_BACKEND_PARAM#
UNSUPPORTED_PLOT_KIND#
UNSUPPORTED_SIGNATURE#
UNSUPPORTED_WITH_ARROW_OPTIMIZATION#
VALUE_ALLOWED#
VALUE_NOT_ACCESSIBLE#
VALUE_NOT_ALLOWED#
VALUE_NOT_ANY_OR_ALL#
VALUE_NOT_BETWEEN#
VALUE_NOT_NON_EMPTY_STR#
VALUE_NOT_PEARSON#
VALUE_NOT_PLAIN_COLUMN_REFERENCE#
VALUE_NOT_POSITIVE#
VALUE_NOT_TRUE#
VALUE_OUT_OF_BOUNDS#
WRONG_NUM_ARGS_FOR_HIGHER_ORDER_FUNCTION#
WRONG_NUM_COLUMNS#
ZERO_INDEX#