pyspark脚本并行执行
最近一个模型在预测数据时因为数据量太大而速度很慢,想要做成并行,结果不知道怎么动态命名变量。
最后选择动态传入驱动程序名称得以解决
代码如下:
#导入所需模块
from pyspark import SparkContext,SparkConf
from pyspark.sql import HiveContext
import time
import pandas as pd
import numpy as np
import pandas as pd
name1= sys.argv[1]
name2= sys.argv[2]
name = "model_%s_%s"%(name1,name2)
conf = SparkConf().setMaster("local").setAppName(name)
sc = SparkContext(conf = conf)
sqlContext = HiveContext(sc)
....................
#your code
根据传入的参数不同就可以并行执行啦!!!!