PySpark开发环境搭建常见问题及解决

本文主要收录PySpark开发环境搭建时常见的一些问题及解决方案，并收集一些相关资源

1、winutils.exe问题

报错摘要：

WARN Shell: Did not find winutils.exe: {}
java.io.FileNotFoundException: java.io.FileNotFoundException: HADOOP_HOME and hadoop.home.dir are unset.
......

原因1：缺少Hadoop的Windows支持环境：hadoop.dll和winutils.exe

详见官网：https://cwiki.apache.org/confluence/display/hadoop/WindowsProblems

原因2：已经下载hadoop.dll和winutils.exe，并配置了环境变量，但未将hadoop.dll和winutils.exe文件拷贝到C:\Windows\System32目录中（重启电脑才能生效）

解决：下载Hadoop的Windows支持环境：hadoop.dll和winutils.exe，配置环境变量，并将hadoop.dll和winutils.exe文件拷贝到C:\Windows\System32目录中，重启电脑

PS：hadoop.dll和winutils.exe各版本下载链接见文末附录

2、SparkURL问题

报错摘要：

To adjust logging level use sc.setLogLevel(newLevel). For SparkR, use setLogLevel(newLevel).
23/12/05 14:50:09 ERROR SparkContext: Error initializing SparkContext.
org.apache.spark.SparkException: Invalid Spark URL: spark://HeartbeatReceiver@***
......

原因：主机名带了下划线_或点.导致

解决：

方式1：添加配置：spark.driver.host=localhost

方式2：修改本机hosts文件：添加主机名与IP映射：

主机名 127.0.0.1

然后添加配置：spark.driver.bindAddress=127.0.0.1

Spark属性配置官方文档：https://spark.apache.org/docs/3.1.2/configuration.html

3、set_ugi()问题

报错摘要：

23/12/05 15:13:10 WARN NativeIO: NativeIO.getStat error (3): ϵͳ�Ҳ���ָ����·����
 -- file path: tmp/hive
23/12/05 15:13:21 WARN ProcfsMetricsGetter: Exception when trying to compute pagesize, as a result reporting of ProcessTree metrics is stopped
23/12/05 15:13:22 WARN metastore: set_ugi() not successful, Likely cause: new client talking to old server. Continuing without it.
org.apache.thrift.transport.TTransportException
......

可能原因：权限问题

解决：首先配置屏蔽：spark.executor.processTreeMetrics.enabled=false，然后尝试如下方式：

方式1：修改hdfs-site.xml

# 在集群服务器的hdfs-site.xml文件中添加跳过权限验证
# 注意修改配置前先停止集群，配置结束之后，重启集群即可。经测试只需要修改NameNode上的配置文件即可
<property>
    <name>dfs.permissions.enabledname>
    <value>falsevalue>
property>

方式2：修改hive-site.xml

# 新客户端与旧服务器通信，hive-site.xml与服务器不同步
# 在hive-site.xml中添加以下内容：
<property>
    <name>hive.metastore.event.db.notification.api.authname>
    <value>falsevalue>
property>

================== 附录资源 ==================

hadoop.dll和winutils.exe各版本下载：https://github.com/cdarlint/winutils/tree/master/hadoop-3.1.2

Hadoop各版本下载：https://archive.apache.org/dist/hadoop/common/

Spark各版本下载：http://archive.apache.org/dist/spark/