解决pyspark问题：在spark中使用集群未安装的python第三方库

问题：在工作中，使用spark-summit部署python第三方库保存的xgboost模型（单机库模型，非xgboost-4j），运行出错，ImportError: No module name xxxx。使用第三方库有：pandas、numpy、xgboost。因为没有集群权限，模型安装流程复杂，尝试自己探索解决，看了国内外很多帖子，大致有3种情况：

1. 单一文件
2. 自建模块 或 python简单第三方库（不含.so文件）
3. python复杂第三方库（含.so文件，即动态加载库，如numpy、pandas、xgboost）

1、单一文件

（1）使用spark-submit命令中的--py-files选项并指定文件的本地路径，将依赖文件提供给所有的执行程序。其中，dependency.py为依赖文件，script.py为主程序文件，均可以只放置在本地，提交任务后会上传集群。

spark/bin/spark-submit \
--master yarn  \
--deploy-mode cluster \
--py-files dependency.py \
script.py

（2）在代码中使用sc.addPyFiles(path)函数，将所需文件添加到SparkContext。

sc = SparkContext(master=”yarn-cluster”,appName=”myApp”)
sc.addPyFile(f