我按照quick start教程进行了操作。
我的脚本是
from pyspark import SparkContext
logFile = 'README.md'
sc = SparkContext('local', 'Simple App')
logData = sc.textFile(logFile).cache()
numAs = logData.filter(lambda s: 'a' in s).count()
numBs = logData.filter(lambda s: 'b' in s).count()
print 'Lines with a: %i, lines with b: %i' % (numAs, numBs)
我在命令行上运行了脚本
$SPARK_HOME/bin/spark-submit --master local[2] SimpleApp.py
追踪(最近的呼叫最后):
文件“/home/huayu/Programs/Machine_learning/spark_exe/quick_start/SimpleApp.py”,第4行,在 sc = SparkContext('local','Simple App')
在 init 中输入文件“/home/huayu/Downloads/Software/spark/python/pyspark/context.py”,第115行 conf,jsc,profiler_cls)
在_do_init中输入文件“/home/huayu/Downloads/Software/spark/python/pyspark/context.py”,第174行 self._accumulatorServer = accumulators._start_update_server()
NameError:未定义全局名称'accumulators'
当我运行python SimpleApp.py
时,它运行正常。
我从https://github.com/GUG11/spark(版本2.1.0)获得Spark,并使用python 2.7.12。
还有另一个与Spark累加器有关的问题,但我的问题中的错误信息是不同的。 pyspark ImportError: cannot import name accumulators
答案 0 :(得分:0)
您确实没有添加 getOrCreate()
,它实际上创建了 Spark 上下文/会话
在 2021 年,您更愿意使用 Spark 会话而不是 Spark 上下文,因为现在可以在同一链接上找到它http://spark.apache.org/docs/latest/quick-start.html#self-contained-applications
"""SimpleApp.py"""
from pyspark.sql import SparkSession
logFile = "YOUR_SPARK_HOME/README.md" # Should be some file on your system
spark = SparkSession.builder.appName("SimpleApp").getOrCreate()
logData = spark.read.text(logFile).cache()
numAs = logData.filter(logData.value.contains('a')).count()
numBs = logData.filter(logData.value.contains('b')).count()
print("Lines with a: %i, lines with b: %i" % (numAs, numBs))
spark.stop()