我有一个 luigi python 任务,其中包括一些 pyspark 库。现在我想用 spark-submit 在 mesos 上提交这个任务。我应该怎么做才能运行它?下面是我的代码框架:
from pyspark.sql import functions as F
from pyspark import SparkContext
class myClass(SparkSubmitTask):
# date = luigi.DateParameter()
def __init__(self, date):
self.date = date # date is datetime.date.today().isoformat()
def output(self):
def input(self):
def run(self):
# Some functions are using pyspark libs
if __name__ == "__main__":
luigi.run()
没有 luigi,我将通过以下命令行提交此任务:
/opt/spark/bin/spark-submit --master mesos://host:port --deploy-mode cluster --total-executor-cores 1 --driver-cores 1 --executor-memory 1G --driver-memory 1G my_module.py
现在的问题是我如何激发提交包含 luigi 命令行的 luigi 任务,例如:
luigi --module my_module myClass --local-scheduler --date 2016-01
还有一个问题是,如果 my_module.py 有一个必须首先完成的任务,我是否需要为它做更多的事情,或者只是设置与当前命令行相同?
我非常感谢对此的任何提示或建议。非常感谢。
最佳答案
Luigi 有一些模板任务。其中之一称为 PySparkTask。 您可以继承此类并覆盖属性:
https://github.com/spotify/luigi/blob/master/luigi/contrib/spark.py .
我还没有测试过,但根据我使用 luigi 的经验,我会尝试这个:
import my_module
class MyPySparkTask(PySparkTask):
date = luigi.DateParameter()
@property
def name(self):
return self.__class__.__name__
@property
def master(self):
return 'mesos://host:port'
@property
def deploy_mode(self):
return 'cluster'
@property
def total_executor_cores(self):
return 1
@property
def driver_cores(self):
return 1
@property
def executor-memory(self):
return 1G
@property
def driver-memory(self):
return 1G
def main(self, sc, *args):
my_module.run(sc)
def self.app_options():
return [date]
然后你可以运行它: luigi --module task_module MyPySparkTask --local-scheduler --date 2016-01
还有一个选项可以在 client.cfg 文件中设置属性,以使它们成为其他 PySparkTasks 的默认值:
[spark]
master: mesos://host:port
deploy_mode: cluster
total_executor_cores: 1
driver_cores: 1
executor-memory: 1G
driver-memory: 1G
关于python - 如何使用 spark-submit 和 pyspark 运行 luigi 任务,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39244648/