運行 spark-submit 時沒有模塊錯誤

Question

我正在提交一個依賴於自定義模塊運行的 python 文件。 我嘗試提交的文件位於 project/main.py，我們的模塊位於 project/modules/module1.py。 我在客戶端模式下提交給 Yarn 並收到以下錯誤。

ModuleNotFoundError: No module named 'modules.module1'

main.py 中的導入語句：

from modules import module1.py

我試過壓縮模塊文件夾並將其傳遞給--py-files：

spark-submit --master yarn --queue OurQueue --py-files hdfs://HOST/path/to/modules.zip
--conf "spark.pyspark.driver.python=/hadoop/anaconda3.6/bin/python3"
--conf "spark.pyspark.python=/hadoop/anaconda3.6/bin/python3"
main.py

Answer 1

假設你有一個 zip 文件

zip -r modules

我認為您缺少將此文件附加到 spark 上下文，您可以在腳本中使用 addPyFile() 函數作為

  sc.addPyFile("modules.zip")

另外，不要忘記在您的目錄（modules.zip）的根級別制作空的__init__.py文件，如modules/__init__.py ）

現在要導入，我想您可以將其導入為

 from modules.module1 import *

或者

 from modules.module1 import module1

更新，現在運行 spark-submit 命令

spark-submit --master yarn --queue OurQueue --py-files modules.zip
--conf "spark.pyspark.driver.python=/hadoop/anaconda3.6/bin/python3"
--conf "spark.pyspark.python=/hadoop/anaconda3.6/bin/python3"
main.py