python – 在工作节点上安装SPARK模块

2019年8月3日 180次阅读

我在cloudera环境中以独立模式运行SPARK 1.3.我可以从i
python笔记本运行pyspark,但是只要我添加第二个工作节点,我的代码就会停止运行并返回错误.

我很确定这是因为我的主设备上的模块对于工作节点是不可见的.

我尝试导入numpy但是它没有用,即使我通过anaconda安装了我的工人numpy.我以同样的方式在master和worker上安装了anaconda.

但是,根据Josh Rosen的建议,我确保在工作节点上安装了库.

https://groups.google.com/forum/#!topic/spark-users/We_F8vlxvq0

但是,我似乎仍然遇到问题.包括我的工人不认识命令abs的事实.这是python 2.6中的标准

我正在运行的代码来自这篇文章：

https://districtdatalabs.silvrback.com/getting-started-with-spark-in-python

def isprime(n):
    """
    check if integer n is a prime
    """
    # make sure n is a positive integer
    n = abs(int(n))
    # 0 and 1 are not primes
    if n < 2:
        return False
    # 2 is the only even prime number
    if n == 2:
        return True
    # all other even numbers are not primes
    if not n & 1:
        return False
    # range starts with 3 and only needs to go up the square root of n
    # for all odd numbers
    for x in range(3, int(n**0.5)+1, 2):
        if n % x == 0:
            return False
    return True

# Create an RDD of numbers from 0 to 1,000,000
nums = sc.parallelize(xrange(1000000))

# Compute the number of primes in the RDD
print nums.filter(isprime).count()

最佳答案 我经常使用带有PySpark的anaconda发行版,并发现设置PYSPARK_PYTHON变量很有用,指向anaconda发行版中的python二进制文件.我发现否则我会遇到很多奇怪的错误.您可以通过运行rdd.map(lambda x：sys.executable).distinct().collect()来检查是否正在使用python.我怀疑它没有指向正确的位置.

无论如何,我建议在路径中包装路径和环境变量的配置.我使用以下内容.

def configure_spark(spark_home=None, pyspark_python=None):
    spark_home = spark_home or "/path/to/default/spark/home"
    os.environ['SPARK_HOME'] = spark_home

    # Add the PySpark directories to the Python path:
    sys.path.insert(1, os.path.join(spark_home, 'python'))
    sys.path.insert(1, os.path.join(spark_home, 'python', 'pyspark'))
    sys.path.insert(1, os.path.join(spark_home, 'python', 'build'))

    # If PySpark isn't specified, use currently running Python binary:
    pyspark_python = pyspark_python or sys.executable
    os.environ['PYSPARK_PYTHON'] = pyspark_python

当您指向anaconda二进制文件时,您还应该能够导入其site-packages目录中安装的所有软件包.这种技术也适用于conda环境.

点赞