![](/img/trans.png)
[英]How to import matplotlib python library in pyspark using sc.addPyFile()?
[英]Import python library on pyspark
Python的新手。
我想从S3中读取一些XML文件并对其进行查询。 我已连接到AWS,并启动了一些EC2群集,但是我不确定如何导入获取数据所需的库。
我认为使用xmlutils库将xml转换为json,然后使用我确实有权访问的sqlcontext库中的read.json将起作用(请参见下文)
converter = xml2json("S3 logs", "output.sql", encoding="utf-8")
converter.convert()
from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)
logs = sqlContext.read.json("output.sql")
logs.registerAsTable("logs")
query_results = sqlContext.sql("SELECT * from logs...")
编辑
我正在尝试使用此代码块从cloudera链接在我的虚拟环境中的Spark上安装xmlutils。 (已经设置了SparkConf和SparkContext)
def import_my_special_package(x):
import my.special.package
return x
int_rdd = sc.parallelize([1, 2, 3, 4])
int_rdd.map(lambda x: import_my_special_package(x))
int_rdd.collect()
我尝试在函数参数中将xmlutils和'xmlutils'都作为x传递,但没有用。 难道我做错了什么? 谢谢
在2015.03 AMI上默认为Python 2.7安装了pip和virtualenv- https: //aws.amazon.com/amazon-linux-ami/2015.03-release-notes/。
上面的站点显示了如何访问新AMI图像上的pip。
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.