Spark——pyspark使用中遇到的坑 (持续更新)

模块依赖问题

因为平时写Spark应用程序基本都用Scala,之前有写过一段pyspark,但是都是在一个类或模块中实现所有的功能,也就自然没有遇到过要在一个模块中导入(import)自己写的另一个模块。这次遇到了,也发现了关于import模块时要注意的问题。

 

1. PyCharm执行

要注意的是,当在一个模块(假如是module1)中导入相同目录(假设是demo)下的另一个模块(module2)中的变量list时,想当然的以为应该是这样导入 ——> from module2 import list,但其实是这样 ——> from demo.module2 import list,就是你要加上要导入模块的上级目录才行,如果想要实现这样导入 —— from module2 import list,需要进行一些设置,如下:
设置步骤还有另外一种可以不进行设置的方式 ——> from .module2 import list,就是在要导入的模块的前面加一个.点表示导入的是同级目录下的模块。

 

2. 集群提交

提交命令:

spark-submit \
--master yarn \
--deploy-mode cluster \
--driver-memory 4G \
--executor-memory 10G \
--executor-cores 5 \
--num-executors 6 \
--conf "spark.yarn.maxAppAttempts=1" \
--py-files /home/module2.py \
/home/module1.py

因为spark任务在运行的时候一般都是分布式的,会先把程序代码module1.py发送到各个executor,而 module1.py 依赖模块 module2.py,那么也就需要把 module2.py 分发到各个executor节点,这就需要用到参数选项–py-files。

在提交到远程集群执行的时候,并不需要像在本地那样还需要注意被导入模块的路径问题,只需要from module2 import list即可。

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值