Question

我正在尝试覆盖spark会话/ spark上下文默认配置，但它正在挑选整个节点/群集资源。

 spark  = SparkSession.builder
                      .master("ip")
                      .enableHiveSupport()
                      .getOrCreate()

 spark.conf.set("spark.executor.memory", '8g')
 spark.conf.set('spark.executor.cores', '3')
 spark.conf.set('spark.cores.max', '3')
 spark.conf.set("spark.driver.memory",'8g')
 sc = spark.sparkContext

当我将配置放入spark submit

时，它工作正常

spark-submit --master ip --executor-cores=3 --diver 10G code.py

Answer 1

您实际上并未使用此代码覆盖任何内容。只是这样你可以亲自看看，尝试以下方法。

一旦启动pyspark shell类型：

sc.getConf().getAll()

这将显示所有当前配置设置。然后尝试您的代码并再次执行。什么都没有改变。

您应该做的是创建一个新配置并使用它来创建SparkContext。这样做：

conf = pyspark.SparkConf().setAll([('spark.executor.memory', '8g'), ('spark.executor.cores', '3'), ('spark.cores.max', '3'), ('spark.driver.memory','8g')])
sc.stop()
sc = pyspark.SparkContext(conf=conf)

然后你可以像上面一样检查自己：

sc.getConf().getAll()

这应该反映您想要的配置。

Answer 2

更新 Spark 2.3.1

中的配置

要更改默认的火花配置，您可以按照以下步骤操作：

导入所需的课程

from pyspark.conf import SparkConf
from pyspark.sql import SparkSession

获取默认配置

spark.sparkContext._conf.getAll()

更新默认配置

conf = spark.sparkContext._conf.setAll([('spark.executor.memory', '4g'), ('spark.app.name', 'Spark Updated Conf'), ('spark.executor.cores', '4'), ('spark.cores.max', '4'), ('spark.driver.memory','4g')])

停止当前的Spark会话

spark.sparkContext.stop()

创建Spark会话

spark = SparkSession.builder.config(conf=conf).getOrCreate()

Answer 3

在配置中将'spark.driver.host'设置为'localhost'对我有用

spark = SparkSession \
    .builder \
    .appName("MyApp") \
    .config("spark.driver.host", "localhost") \
    .getOrCreate()

Answer 4

您还可以在启动pyspark时设置配置，就像spark-submit一样：

pyspark --conf property=value

这里是一个例子

-bash-4.2$ pyspark
Python 3.6.8 (default, Apr 25 2019, 21:02:35) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-36)] on linux
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.4.0-cdh6.2.0
      /_/

Using Python version 3.6.8 (default, Apr 25 2019 21:02:35)
SparkSession available as 'spark'.
>>> spark.conf.get('spark.eventLog.enabled')
'true'
>>> exit()


-bash-4.2$ pyspark --conf spark.eventLog.enabled=false
Python 3.6.8 (default, Apr 25 2019, 21:02:35) 
[GCC 4.8.5 20150623 (Red Hat 4.8.5-36)] on linux
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.4.0-cdh6.2.0
      /_/

Using Python version 3.6.8 (default, Apr 25 2019 21:02:35)
SparkSession available as 'spark'.
>>> spark.conf.get('spark.eventLog.enabled')
'false'

Answer 5

我有一个非常不同的要求，我必须检查是否要获取执行程序和驱动程序内存大小的参数，如果要获取，则必须仅更改执行程序和驱动程序来替换config。步骤如下：

导入图书馆

from pyspark.conf import SparkConf
from pyspark.sql import SparkSession

定义Spark并获取默认配置

spark = (SparkSession.builder
        .master("yarn")
        .appName("experiment") 
        .config("spark.hadoop.fs.s3a.multiobjectdelete.enable", "false")
        .getOrCreate())

conf = spark.sparkContext._conf.getAll()

检查执行器和驱动程序的大小是否存在（我在这里给出伪代码1条件检查，其余的可以创建案例），然后根据参数使用给定的配置，或者跳到默认配置。

if executor_mem is not None and driver_mem  is not None:
    conf = spark.sparkContext._conf.setAll([('spark.executor.memory',executor_mem),('spark.driver.memory',driver_mem)])
    spark.sparkContext.stop()
    spark = SparkSession.builder.config(conf=conf).getOrCreate()
else:
    spark = spark

别忘了停止spark上下文，这将确保在传递参数时，执行程序和驱动程序的内存大小有所不同。希望这会有所帮助！

spark 2.1.0 session config settings（pyspark）

5 个答案: