Question

我正在为python中的Spark代码编写一些单元测试。我的代码取决于spark-csv。在制作中，我使用spark-submit --packages com.databricks:spark-csv_2.10:1.0.3来提交我的python脚本。

我正在使用pytest以local模式使用Spark运行我的测试：

conf = SparkConf().setAppName('myapp').setMaster('local[1]')
sc = SparkContext(conf=conf)

我的问题是，由于pytest没有使用spark-submit来运行我的代码，我怎样才能将我的spark-csv依赖项提供给python进程？

Answer 1

您可以使用配置文件spark.driver.extraClassPath来解决问题。火花default.conf

并添加属性

 spark.driver.extraClassPath /Volumes/work/bigdata/CHD5.4/spark-1.4.0-bin-hadoop2.6/lib/spark-csv_2.11-1.1.0.jar:/Volumes/work/bigdata/CHD5.4/spark-1.4.0-bin-hadoop2.6/lib/commons-csv-1.1.jar

设置完上述内容后，从shell运行时甚至不需要包标志。

sqlContext = SQLContext(sc)
    df = sqlContext.read.format('com.databricks.spark.csv').options(header='false').load(BASE_DATA_PATH + '/ssi.csv')

两个罐子都很重要，因为spark-csv依赖于commons-csv apache jar。您可以从mvn-site构建或下载spark-csv jar。

在Spark本地模式下包含包

1 个答案: