python下载spark包_spark hive python依赖第三方包

# 下载 wget https://www.python.org/ftp/python/2.7.9/Python-2.7.9.tgz

tar -zxvf Python-2.7.9.tgz

cd Python-2.7.9

# 指定打包路径

./configure --prefix=/home/tmp/python2.7.9

make && make install​

3.  安装需要用到的库，以 pykafka 为例

# 用 -t 指定安装路径，而非默认路径​

pip install -t /home/tmp/python2.7.9/lib/python2.7/site-packages pykafka

4.  打包

# 注意是在安装目录内部打的包，这关系到后续指定python时的路径，如果这里不同，后续也要相应调整

cd python2.7.9

tar -zcf python2.7.9.tgz *​

5.  上传到hdfs

hadoop fs -put python2.7.9.tgz /usr/jar/python

spark yarn client模式

spark-submit --queue --conf spark.yarn.dist.archives=hdfs://DClusterNmg4/user/xxx/xxx/python2.7.9.tgz#python2.7.9 --conf spark.pyspark.python=./python2.7.9/bin/python --deploy-mode client --py-files xxxx-dependency.py main.py

#后为后续引用这个包所用的名称

spark yarn cluster模式

spark-submit --queue --conf spark.yarn.dist.archives=hdfs://DClusterNmg4/user/xxx/xxx/python2.7.9.tgz#python2.7.9 --conf spark.yarn.appMasterEnv.PYSPARK_PYTHON=./python2.7.9/bin/python --deploy-mode cluster --py-files xxxx-dependency.py main.py

#后为后续引用这个包所用的名称

hive udf模式

hive > add ARCHIVE /usr/python/anaconda2.tar.gz;

hive > add file /usr/test.py;

hive > select

> TRANSFORM(data)

> USING 'anaconda2.tar.gz/anaconda2/bin/python test.py'

> as (min_num)

> from test_a;