如何将PySpark导入Python

如何将PySpark导入Python

问题1、ImportError: No module named pyspark

现象：

1. 已经安装配置好了PySpark，可以打开PySpark交互式界面；
2. 在Python里找不到pysaprk。

解决方法：

a.使用findspark

1. 使用pip安装findspark：pip install findspark；
2. 在py文件中引入findspark：>>> import findspark；
3. >>> findspark.init()；

4. 导入你要使用的pyspark库：>>> from pyspark import *。

   • 优点：简单快捷
   • 缺点：治标不治本，每次写一个新的Application都要加载一遍findspark

b.把预编译包中的Python库文件添加到Python的环境变量中

1. export SPARK_HOME=你的PySpark目录

2. export PYTHONPATH=$SPARK_HOME/libexec/python:$SPARK_HOME/libexec/python/build:$PYTHONPATH

   • 优点：一劳永逸
   • 缺点：对于小白可能不太了解环境变量是什么

问题2、ImportError: No module named ‘py4j’

现象：

1. 已经安装配置好了PySpark，可以打开PySpark交互式界面；
2. 按照上面的b方式配置后出现该问题。

解决方法：

把py4j添加到Python的环境变量中

export PYTHONPATH= $SPARK_HOME/python/lib/py4j-x.xx-src.zip:$PYTHONPATH

注意：这里的py4j-x.xx-src.zip根据自己电脑上的py4j版本决定。

测试成功的环境

Python: 3.7、2.7
PySpark: 1.6.2 - 预编译包
OS: Mac OSX 10.11.1

参考

1. Stackoverflow: importing pyspark in python shell
2. Stackoverflow: Why can’t PySpark find py4j.java_gateway?