Question

我正在尝试在mapper程序中使用python＆＃39; s fuzzywuzzy package来计算编辑距离。我的程序在本地计算机上运行正常但在AWS emr集群上失败。我尝试了以下两种方法（在本地计算机上和AWS EMR集群上）：

1。通过安装fuzzywuzzy：

我在主节点和从节点上使用pip安装了fuzzywuzzy。如果我注释掉下面代码的最后4行，我不会收到任何错误。但我想在我的程序中使用fuzzywuzzy。

!/usr/bin/python  
import re
import sys
import os
import csv

desc_dict = {}
with open('Keys.csv', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
            query_set = row

for line in sys.stdin:
  line = line.strip() 
  row = line.split(',')
  if(len(row)>2):
      desc_dict[(int(row[0]), row[1])] = (row[2].lower()).encode('utf-8')
from fuzzywuzzy import *
import fuzzywuzzy.fuzz
import fuzzywuzzy.utils
print fuzzywuzzy.fuzz.partial_ratio("this is a test", "this is a test!")

我得到以下错误：

 Error: java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code 1

2。没有安装fuzzywuzzy

我可以运行map-reduce程序而无需在本地机器上安装fuzzywuzzy。当我在AWS EMR上尝试相同时，它失败了。

我压缩了fuzzywuzzy包（＆＃34; temp.zip＆＃34;）并在我的地图程序中调用它。我也将temp.zip文件复制到slave节点。

！的/ usr /斌/蟒
进口重新导入系统进口口 import csv

desc_dict = {}
with open('Keys.csv', 'rb') as f:
    reader = csv.reader(f)
    for row in reader:
            query_set = row

for line in sys.stdin:
  line = line.strip() 
  row = line.split(',')
  if(len(row)>2):
      desc_dict[(int(row[0]), row[1])] = (row[2].lower()).encode('utf-8')

sys.path.insert(0,'temp.zip')
from fuzzywuzzy import *
import fuzzywuzzy.fuzz
print fuzzywuzzy.fuzz.partial_ratio("this is a test", "this is a test!")

我得到以下错误：

 Error: java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code 1

有人可以指导我的代码有什么问题/如何在hadoop上运行fuzzywuzzy？

Answer 1

我可以通过将fuzzywuzzy安装文件复制到主节点和从节点然后手动安装fuzzywuzzy来获得模糊工作

python setup.py install

尽管pp install成功了，但pip install并没有安装fuzzywuzzy。

AWS EMR上的程序因hadoop而失败（在本地计算机上正常）

1 个答案: