pyspark jieba 集群模型 对文本进行切词

如果是单个机器或者是local模式，简单的方式就是在节点上pip install jieba就完事了。但是在集群上肯定不能安装啊。怎么办呢？？

spark可以使用自己的镜像。比如本地有一个conda的envs的环境。可以将这个打包，在提交任务的时候可以分发到各个executor上。

spark-submit \

--name seg_tags \

--queue root.niubi_queue \

--deploy-mode cluster \

--driver-memory 10g \

--executor-memory 10g \

--conf spark.dynamicAllocation.maxExecutors=300\

--conf spark.executor.cores=3\

--conf spark.default.parallelism=2000\

--conf spark.port.maxRetries=200\

--conf spark.yarn.dist.archives=hdfs://dfs4/user/niubi/niubi.tar.gz#mypython \

--conf spark.yarn.appMasterEnv.PYSPARK_PYTHON=./mypython/myEnvs/bin/python \

./seg_tags.py