python - 环境变量 PYSPARK_PYTHON 和 PYSPARK_DRIVER_PYTHON

Question

我最近安装了pyspark。它已正确安装。当我在 python 中使用以下简单程序时，出现错误。

>>from pyspark import SparkContext
>>sc = SparkContext()
>>data = range(1,1000)
>>rdd = sc.parallelize(data)
>>rdd.collect()

在运行最后一行时，我收到错误，其关键行似乎是

[Stage 0:>                                                          (0 + 0) / 4]18/01/15 14:36:32 ERROR Executor: Exception in task 1.0 in stage 0.0 (TID 1)
org.apache.spark.api.python.PythonException: Traceback (most recent call last):
  File "/usr/local/lib/python3.5/dist-packages/pyspark/python/lib/pyspark.zip/pyspark/worker.py", line 123, in main
    ("%d.%d" % sys.version_info[:2], version))
Exception: Python in worker has different version 2.7 than that in driver 3.5, PySpark cannot run with different minor versions.Please check environment variables PYSPARK_PYTHON and PYSPARK_DRIVER_PYTHON are correctly set.

我在 .bashrc 中有以下变量

export SPARK_HOME=/opt/spark
export PYTHONPATH=$SPARK_HOME/python3

我使用的是 Python 3。

Answer 1

如果您在某个环境中工作，也可能会发生这种情况。在这种情况下，检索 python 可执行文件的正确路径可能会更困难(无论如何，如果您想与其他人共享路径，我认为硬编码路径不是一个好主意)。

如果您在脚本/笔记本的开头运行以下几行(至少在创建 SparkSession/SparkContext 之前)，问题就可以解决:

import os
import sys

os.environ['PYSPARK_PYTHON'] = sys.executable
os.environ['PYSPARK_DRIVER_PYTHON'] = sys.executable

包os允许你设置全局变量；包sys给出了带有Python解释器的可执行二进制文件的绝对路径的字符串。