python使用spark_apache spark - 在python中导入pyspark

apache spark - 在python中导入pyspark

这是另一个从未回答过的论坛上的别人问题的副本，所以我想我会在这里重新提问，因为我有同样的问题。 （见[http://geekple.com/blogs/feeds/Xgzu7/posts/351703064084736)]

我在我的机器上正确安装了Spark，并且当使用./bin/pyspark作为我的python解释器时，能够使用pyspark模块运行python程序而不会出错。

但是，当我尝试运行常规Python shell时，当我尝试导入pyspark模块时，我收到此错误：

from pyspark import SparkContext

它说

"No module named pyspark".

我怎样才能解决这个问题？ 是否需要设置环境变量以将Python指向pyspark headers / libraries / etc. 如果我的火花安装是/ spark /，我需要包含哪些pyspark路径？ 或者pyspark程序只能从pyspark解释器运行？

17个解决方案

77 votes

这是一个简单的方法（如果你不打扰它如何工作!!!）

使用findspark

转到你的python shell

from pyspark import SparkContext

from pyspark import SparkConf

导入必要的模块

from pyspark import SparkContext

from pyspark import SparkConf

完成！

Suresh2692 answered 2019-07-27T06:15:28Z

45 votes

如果它打印出这样的错误：

ImportError：没有名为py4j.java_gateway的模块

请将$ SPARK_HOME / python / build添加到PYTHONPATH：

export SPARK_HOME=/Users/pzhang/apps/spark-1.1.0-bin-hadoop2.4

export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/build:$PYTHONPATH

Peng Zhang 1516540 answered 2019-07-27T06:16:06Z

38 votes

原来pyspark bin是LOADING python并自动加载正确的库路径。 查看$ SPARK_HOME / bin / pyspark：

# Add the PySpark classes to the Python path:

export PYTHONPATH=$SPARK_HOME/python/:$PYTHONPATH

我将此行添加到我的.bashrc文件中，现在可以正确找到模块！

Glenn Strycker answered 2019-07-27T06:16:38Z

19 votes

不要运行你的py文件：python filename.py而是使用：spark-submit filename.py

dodo answered 2019-07-27T06:17:04Z

18 votes

通过导出SPARK路径和Py4j路径，它开始工作：

export SPARK_HOME=/usr/local/Cellar/apache-spark/1.5.1

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

PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH

export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/build:$PYTHONPATH

因此，如果您不想在每次要启动Python shell时键入这些内容，您可能希望将其添加到.bashrc文件中

Dawny33 answered 2019-07-27T06:17:40Z

15 votes

在Mac上，我使用Homebrew来安装Spark（公式为“apache-spark”）。 然后，我以这种方式设置PYTHONPATH，以便Python导入工作：

export SPARK_HOME=/usr/local/Cellar/apache-spark/1.2.0

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

将“1.2.0”替换为mac上的实际apache-spark版本。

jyu answered 2019-07-27T06:18:17Z

11 votes

对于在pyspark中执行Spark，需要两个组件一起工作：

getOrCreate() python包

JVM中的Spark实例

使用spark-submit或pyspark启动时，这些脚本将同时处理这两个脚本，即它们设置PYTHONPATH，PATH等，以便您的脚本可以找到pyspark，并且它们也会启动spark实例，根据您的参数进行配置 ，例如 - 大师X.

或者，可以绕过这些脚本并直接在python解释器中运行spark应用程序，如getOrCreate()。 当spark脚本开始变得更复杂并最终获得自己的args时，这尤其有趣。

确保Python解释器可以找到pyspark包。 如前所述，要么将spark / python目录添加到PYTHONPATH，要么使用pip install直接安装pyspark。

从脚本中设置spark实例的参数（那些曾经传递给pyspark的参数）。对于通常使用--conf设置的spark配置，它们在SparkSession.builder.config中使用配置对象（或字符串配置）定义

对于主要选项（如--master或--driver-mem），您可以通过写入PYSPARK_SUBMIT_ARGS环境变量来设置它们。 为了使事情更清洁，更安全，您可以在Python本身内设置它，并且spark将在启动时读取它。

启动实例，只需要从构建器对象调用getOrCreate()。

因此，您的脚本可能具有以下内容：

from pyspark.sql import SparkSession

if __name__ == "__main__":

if spark_main_opts:

# Set main options, e.g. "--master local[4]"

os.environ['PYSPARK_SUBMIT_ARGS'] = spark_main_opts + " pyspark-shell"

# Set spark config

spark = (SparkSession.builder

.config("spark.checkpoint.compress", True)

.config("spark.jars.packages", "graphframes:graphframes:0.5.0-spark2.1-s_2.11")

.getOrCreate())

F Pereira answered 2019-07-27T06:20:07Z

6 votes

要摆脱ImportError: No module named py4j.java_gateway，您需要添加以下行：

import os

import sys

os.environ['SPARK_HOME'] = "D:\python\spark-1.4.1-bin-hadoop2.4"

sys.path.append("D:\python\spark-1.4.1-bin-hadoop2.4\python")

sys.path.append("D:\python\spark-1.4.1-bin-hadoop2.4\python\lib\py4j-0.8.2.1-src.zip")

try:

from pyspark import SparkContext

from pyspark import SparkConf

print ("success")

except ImportError as e:

print ("error importing spark modules", e)

sys.exit(1)

Karang answered 2019-07-27T06:20:34Z

5 votes

在Windows 10上，以下对我有用。 我使用设置＆gt;添加了以下环境变量 编辑帐户的环境变量：

SPARK_HOME=C:\Programming\spark-2.0.1-bin-hadoop2.7

PYTHONPATH=%SPARK_HOME%\python;%PYTHONPATH%

（将“C：\ Programming \ ...”更改为已安装spark的文件夹）

JustAC0der answered 2019-07-27T06:21:11Z

3 votes

对于Linux用户，以下是在PYTHONPATH中包含pyspark libaray的正确（和非硬编码）方式。 两个PATH部分都是必要的：

pyspark Python模块本身的路径，以及

导入时pyspark模块依赖的压缩库的路径

请注意，压缩库版本是动态确定的，因此我们不对其进行硬编码。

export PYTHONPATH=${SPARK_HOME}/python/:$(echo ${SPARK_HOME}/python/lib/py4j-*-src.zip):${PYTHONPATH}

NYCeyes answered 2019-07-27T06:22:00Z

2 votes

我在CentOS VM上运行一个spark集群，它是从cloudera yum软件包安装的。

不得不设置以下变量来运行pyspark。

export SPARK_HOME=/usr/lib/spark;

export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.9-src.zip:$PYTHONPATH

sujesh chirackkal answered 2019-07-27T06:22:38Z

2 votes

export PYSPARK_PYTHON=/home/user/anaconda3/bin/python

export PYSPARK_DRIVER_PYTHON=jupyter

export PYSPARK_DRIVER_PYTHON_OPTS='notebook'

这就是我使用Spark的Anaconda发行版所做的。这是Spark版本独立的。您可以将第一行更改为用户的python bin。此外，从Spark 2.2.0开始，PySpark可作为PyPi上的独立包使用但我还没有测试出来。

Yayati Sule answered 2019-07-27T06:23:06Z

2 votes

我有同样的问题。

还要确保使用正确的python版本，并使用正确的pip版本进行安装。 在我的情况下：我有python 2.7和3.x.我安装了pyspark

pip2.7安装pyspark

它工作。

etinika answered 2019-07-27T06:23:54Z

1 votes

我收到此错误是因为我尝试提交的python脚本名为pyspark.py（facepalm）。 解决方法是按照上面的建议设置我的PYTHONPATH，然后将脚本重命名为pyspark_test.py并清理根据我的脚本原始名称创建的pyspark.pyc并清除此错误。

Patrick answered 2019-07-27T06:24:25Z

1 votes

在DSE（DataStax Cassandra＆amp; Spark）的情况下需要将以下位置添加到PYTHONPATH

export PYTHONPATH=/usr/share/dse/resources/spark/python:$PYTHONPATH

然后使用dse pyspark获取路径中的模块。

dse pyspark

Sreesankar answered 2019-07-27T06:25:01Z

1 votes

我遇到了同样的问题，并且会对上面提出的解决方案添加一些内容。 在Mac OS X上使用Homebrew安装Spark时，您需要更正py4j路径地址以在路径中包含libexec（记住将py4j版本更改为您拥有的版本）;

PYTHONPATH=$SPARK_HOME/libexec/python/lib/py4j-0.9-src.zip:$PYTHONPATH

tjb305 answered 2019-07-27T06:25:28Z

1 votes

您还可以使用Alpine作为操作系统创建Docker容器，并将Python和Pyspark安装为软件包。 这将使它全部集装箱化。

Eddy answered 2019-07-27T06:26:01Z