pyspark 整理

1. spark 提交试用虚拟环境(安装包)

安装 anaconda 虚拟环境比如:py37
source activate
conda activate py37
pip install package

  1. 进入spark的安装目录下,有一个spark-env.sh文件,例如:/opt/spark/spark-2.1.1-bin-hadoop2.7/conf/spark-env.sh
  2. 在环境变量中增加PYSPARK_PYTHON,例如添加:export PYSPARK_PYTHON=/home/q/anaconda/envs/py37/bin/python
  3. 提交:/home/q/spark-2.3.3-bin-hadoop2.7/bin/spark-submit --files /home/q/spark-2.3.3-bin-hadoop2.7/conf/hive-site.xml --executor-memory 18G --num-executors 30 --executor-cores 4 spark_test.py

2. spark 初始化

from pyspark.sql import SparkSession
from pyspark.sql import functions as F
from pyspark.sql import types as T
from pyspark.sql.window import Window
from pyspark.sql.types import StructField, StringType, StructType, DoubleType, LongType, DateType, ArrayType

spark = SparkSession \
    .builder \
    .enableHiveSupport() \
    .appName('test') \
    .getOrCreate()

3. pyspark.sql.utils.AnalysisException: 'Table or view not found

提交的时候添加 --files /home/q/spark-2.3.3-bin-hadoop2.7/conf/hive-site.xml 参数

4. spark sql 换行

使用 """""" 三双引号写sql,就可以正常换行了

cities = spark.sql("""select * 
	from db.table
	where dt = 'xxx'
""")
# 放入内存
cities.cache().count()

5. spark 临时文件路径修改

$SPARK_HOME/conf/spark-env.sh下增加export SPARK_LOCAL_DIRS=xxx

6. Total size of serialized results of 16 tasks is bigger than spark.driver.maxResultSize

设置 spark-submit --conf spark.driver.maxResultSize=4g

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