python – pyspark：使用spark-submit运送jar依赖项

概述我写了一个pyspark脚本,它读取两个json文件,coGroup它们并将结果发送到elasticsearch集群;当我在本地运行它时,一切都按预期工作(大部分),我为org.elasticsearch.hadoop.mr.EsOutputFormat和org.elasticsearch.hadoop.mr.LinkedMapWritable类下载了elasticsearch-hadoop ja 我写了一个pyspark脚本,它读取两个Json文件,coGroup它们并将结果发送到elasticsearch集群;当我在本地运行它时,一切都按预期工作(大部分),我为org.elasticsearch.hadoop.mr.EsOutputFormat和org.elasticsearch.hadoop.mr.linkedMapWritable类下载了elasticsearch-hadoop jar文件,然后运行我的作业pyspark使用–jars参数,我可以看到d性搜索集群中出现的文档.

但是,当我尝试在spark集群上运行它时,我收到此错误：

Traceback (most recent call last):  file "/root/spark/spark_test.py",line 141,in <module>    conf=es_write_conf  file "/root/spark/python/pyspark/rdd.py",line 1302,in saveAsNewAPIHadoopfile    keyConverter,valueConverter,jconf)  file "/root/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/java_gateway.py",line 538,in __call__  file "/root/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/protocol.py",line 300,in get_return_valuepy4j.protocol.Py4JJavaError: An error occurred while calling z:org.apache.spark.API.python.PythonRDD.saveAsNewAPIHadoopfile.: java.lang.classNotFoundException: org.elasticsearch.hadoop.mr.linkedMapWritable    at java.net.urlclassloader.run(urlclassloader.java:366)    at java.net.urlclassloader.run(urlclassloader.java:355)    at java.security.AccessController.doPrivileged(Native Method)    at java.net.urlclassloader.findClass(urlclassloader.java:354)    at java.lang.classLoader.loadClass(ClassLoader.java:425)    at java.lang.classLoader.loadClass(ClassLoader.java:358)    at java.lang.class.forname0(Native Method)    at java.lang.class.forname(Class.java:274)    at org.apache.spark.util.Utils$.classForname(Utils.scala:157)    at org.apache.spark.API.python.PythonRDD$$anonfun$getkeyvalueTypes$$anonfun$apply.apply(PythonRDD.scala:611)    at org.apache.spark.API.python.PythonRDD$$anonfun$getkeyvalueTypes$$anonfun$apply.apply(PythonRDD.scala:610)    at scala.Option.map(Option.scala:145)    at org.apache.spark.API.python.PythonRDD$$anonfun$getkeyvalueTypes.apply(PythonRDD.scala:610)    at org.apache.spark.API.python.PythonRDD$$anonfun$getkeyvalueTypes.apply(PythonRDD.scala:609)    at scala.Option.flatMap(Option.scala:170)    at org.apache.spark.API.python.PythonRDD$.getkeyvalueTypes(PythonRDD.scala:609)    at org.apache.spark.API.python.PythonRDD$.saveAsNewAPIHadoopfile(PythonRDD.scala:701)    at org.apache.spark.API.python.PythonRDD.saveAsNewAPIHadoopfile(PythonRDD.scala)    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)    at java.lang.reflect.Method.invoke(Method.java:606)    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)    at py4j.Gateway.invoke(Gateway.java:259)    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)    at py4j.commands.CallCommand.execute(CallCommand.java:79)    at py4j.GatewayConnection.run(GatewayConnection.java:207)    at java.lang.Thread.run(Thread.java:745)

对我来说这似乎很清楚：在工人身上没有d性研究 – hadoop jar;所以问题是：我如何将它与我的应用程序一起发送？我可以使用sc.addPyfile作为python依赖项,但它不适用于jar,并且使用spark-submit的–jars参数也无济于事.

解决方法 –jars正常工作;问题是我如何首先运行火花提交工作;正确的执行方式是：

./bin/spark-submit <options> scriptname

因此,必须在脚本之前放置–jars选项：

./bin/spark-submit --jars /path/to/my.jar myscript.py

如果您认为这是将参数传递给脚本本身的唯一方法,那么这很明显,因为脚本名称后面的所有内容都将用作脚本的输入参数：

./bin/spark-submit --jars /path/to/my.jar myscript.py --do-magic=true

总结

以上是内存溢出为你收集整理的python – pyspark：使用spark-submit运送jar依赖项全部内容，希望文章能够帮你解决python – pyspark：使用spark-submit运送jar依赖项所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。