![](/img/trans.png)
[英]Jupyter Notebook running through vscode jupyter server getting ModuleNotFoundError: No module named from pyspark on Amazon EMR
[英]Amazon EMR Pyspark Module not found
我已经创建了一个包含Spark的Amazon EMR集群。 当我从终端运行pyspark时,当我进入我的集群时,它会进入pyspark终端。
我使用scp上传了一个文件,当我尝试使用python FileName.py运行它时,出现导入错误:
from pyspark import SparkContext
ImportError: No module named pyspark
我该如何解决?
我为emr 4.3添加以下行到~/.bashrc
:
export SPARK_HOME=/usr/lib/spark
export PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.XXX-src.zip:$PYTHONPATH
export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/build:$PYTHONPATH
这里py4j-0.XXX-src.zip
是你的spark python库文件夹中的py4j文件。 搜索/usr/lib/spark/python/lib/
以查找确切的版本并将XXX
替换为该版本号。
运行source ~/.bashrc
,你应该很好。
您可能需要将pyspark文件添加到路径中。 我通常使用如下函数。
def configure_spark(spark_home=None, pyspark_python=None):
spark_home = spark_home or "/path/to/default/spark/home"
os.environ['SPARK_HOME'] = spark_home
# Add the PySpark directories to the Python path:
sys.path.insert(1, os.path.join(spark_home, 'python'))
sys.path.insert(1, os.path.join(spark_home, 'python', 'pyspark'))
sys.path.insert(1, os.path.join(spark_home, 'python', 'build'))
# If PySpark isn't specified, use currently running Python binary:
pyspark_python = pyspark_python or sys.executable
os.environ['PYSPARK_PYTHON'] = pyspark_python
然后,您可以在导入pyspark之前调用该函数:
configure_spark('/path/to/spark/home')
from pyspark import SparkContext
EMR节点上的Spark home应该是/home/hadoop/spark
。 有关详细信息,请参阅https://aws.amazon.com/articles/Elastic-MapReduce/4926593393724923 。
尝试使用findspark :使用pip install findspark
通过shell pip install findspark
。
示例代码:
# Import package(s).
import findspark
findspark.init()
from pyspark import SparkContext
from pyspark.sql import SQLContext
您可以使用以下命令从命令行直接执行文件:
spark-submit FileName.py
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.