使用 python 3.5.1 导入 pyspark 错误 Pyspark

Question

带有 python 2.7 的 Pyspark 对我来说很好用。 我安装了 python 3.5.1（从源代码安装）在终端中运行 pyspark 时出现此错误

Python 3.5.1 (default, Apr 25 2016, 12:41:28) 
[GCC 4.8.4] on linux
Type "help", "copyright", "credits" or "license" for more information.
Traceback (most recent call last):
  File "/home/himaprasoon/apps/spark-1.6.0-bin-hadoop2.6/python/pyspark/shell.py", line 30, in <module>
    import pyspark
  File "/home/himaprasoon/apps/spark-1.6.0-bin-hadoop2.6/python/pyspark/__init__.py", line 41, in <module>
    from pyspark.context import SparkContext
  File "/home/himaprasoon/apps/spark-1.6.0-bin-hadoop2.6/python/pyspark/context.py", line 28, in <module>
    from pyspark import accumulators
  File "/home/himaprasoon/apps/spark-1.6.0-bin-hadoop2.6/python/pyspark/accumulators.py", line 98, in <module>
    from pyspark.serializers import read_int, PickleSerializer
  File "/home/himaprasoon/apps/spark-1.6.0-bin-hadoop2.6/python/pyspark/serializers.py", line 58, in <module>
    import zlib
ImportError: No module named 'zlib'

我试过python 3.4.3 ，也很好用

Answer 1

您是否检查过以确保 zlib 确实存在于您的 python 安装中？ 它应该是默认的，但奇怪的事情发生了。

Answer 2

您是否在 .bashrc 文件中提供了系统 python3.5.1 到“PYSPARK_PYTHON”的确切路径？

 Welcome to
   ____              __
  / __/__  ___ _____/ /__
 _\ \/ _ \/ _ `/ __/  '_/
/__ / .__/\_,_/_/ /_/\_\   version 2.1.1
   /_/  

Using Python version 3.6.1 (default, Jun 23 2017 16:20:09)
SparkSession available as 'spark'.

这是我的 PySpark 提示显示的内容。 Apache Spark 版本是 2.1.1

PS：我将 Anaconda3（Python 3.6.1）用于我的日常 PySpark 代码，并将 PYSPARK_DRIVER 设置为“jupyter”

上面的例子是我的默认系统 Python 3.6

Answer 3

试试conda install -c conda-forge pyspark如果您的问题仍然存在，您可能需要更改您的 ~/.basrc

Answer 4

在以下命令的 shell 类型中启动 pyspark 之前：export PYSPARK_PYTHON=python3.5（或）export PYSPARK_PYTHON=python3.5

Answer 5

为我工作！

安装 Python 3.5 后：

1. Install pip

    sudo apt-get install python<VERSION>-pip

2. Install notebook if this module is not installed

3. Install ipython

    sudo apt-get install ipython<VERSION> ipython<VERSION>-notebook

4. Install py4j it's not installed

5. Set environment variables
   export PYSPARK_PYTHON=python<VERSION>
   export PYSPARK_DRIVER_PYTHON=ipython<VERSION>
   export PYSPARK_DRIVER_PYTHON_OPTS=notebook
   export SPARK_HOME=/usr/hdp/current/spark2-client
   export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.10.4-src.zip

6. If necessary(and if it's installed)
   export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-<VERSION>-src.zip

7. Don't forget to save all this 'export' on ~/.bashrc

8. source ~/.bashrc

9. pyspark

现在，如果一切正常，将运行浏览器，并且将出现一个带有“python3”会话可用的笔记本。 此会话已经有一个 'SparkSession' 对象和 'SparkContext' 对象分别可用于 'spark' 和 'sc' 变量

Answer 6

还尝试使用 pip3 版本安装 pyspark，然后在代码中设置路径 os.environ['PYSPARK_PYTHON'] = '/usr/bin/python3'