python - spark-submit 和 pyspark 有什么区别？

Question

如果我启动 pyspark 然后运行此命令:

import my_script; spark = my_script.Sparker(sc); spark.collapse('./data/')

一切正常。但是，如果我尝试通过命令行和 spark-submit 做同样的事情，我会得到一个错误:

Command: /usr/local/spark/bin/spark-submit my_script.py collapse ./data/
  File "/usr/local/spark/python/pyspark/rdd.py", line 352, in func
    return f(iterator)
  File "/usr/local/spark/python/pyspark/rdd.py", line 1576, in combineLocally
    merger.mergeValues(iterator)
  File "/usr/local/spark/python/pyspark/shuffle.py", line 245, in mergeValues
    for k, v in iterator:
  File "/.../my_script.py", line 173, in _json_args_to_arr
    js = cls._json(line)
RuntimeError: uninitialized staticmethod object

我的脚本:

...
if __name__ == "__main__":
    args = sys.argv[1:]
    if args[0] == 'collapse':
        directory = args[1]
        from pyspark import SparkContext
        sc = SparkContext(appName="Collapse")
        spark = Sparker(sc)
        spark.collapse(directory)
        sc.stop()

为什么会这样？运行 pyspark 和运行 spark-submit 之间会导致这种分歧有什么区别？我怎样才能在 spark-submit 中完成这项工作？

编辑:我尝试通过执行 pyspark my_script.py collapse ./data/ 从 bash shell 运行它，但我遇到了同样的错误。唯一一切正常的时候是我在 python shell 中导入脚本时。

Answer 1

1. 如果您构建了 spark 应用程序，则需要使用 spark-submit 来运行该应用程序

   • 代码可以用python/scala编写

   • 模式可以是本地/集群

2. 如果您只想测试/运行几个单独的命令，您可以使用 spark 提供的 shell

   • pyspark(用于 python 中的 spark)
   • spark-shell(用于 scala 中的 spark)