前奏
为了实现一个spark的客户端访问服务端的python访问,折腾了好几天,现在终于解决了,查了网上的很多人写的文章,都没解决,跟着他们说的改,也没解决问题。有篇文章提点的很好就是 看spark的错误日志,看日志报错的具体问题。 Java gateway process exited before sending its port number这个问题有很多种情况引起,看日志是根据解决途径。下面就介绍windows pyspark连接linux spark服务的注意问题。这里先感谢这个连接的中的大牛回答,为资源不足(WARN TaskSchedulerImpl: Initial job has not accepted any resources;check your cluster UI to ensure that workers are registered and have sufficient resources)问题提供了解决方案。
方法论
这里不说linux服务端的事,服务端集群配置我都会在后面补一篇文章。说win10作为客户端连接服务端。
win10准备什么?
1.windows中的Java环境版本一定和服务端环境一致,至少保证大版本一致!
2.windows版的Hadoop(带without-hadoop的没测试,如果不用带hadoop的,能正常运行,但会报错,hadoop网上找找是有的就是bin目录加hadoop.dll、winutils.exe之类的)
3.python的版本也要和服务端的版本一致,不然也会出现报错!至少保证大版本(小数点后一位)一致!
4.windows的python安装pyspark版本和spark的版本一致
5.在环

本文介绍了如何在Windows上配置pyspark连接远程Linux Spark集群,强调了版本一致性、环境配置及日志分析的重要性。通过设置JAVA_HOME、HADOOP_HOME环境变量,避免使用不必要的spark和py4j包,确保Python和Java版本与服务端匹配,最终成功建立连接。遇到问题时,查看Spark的日志以定位具体错误。
最低0.47元/天 解锁文章
8907

被折叠的 条评论
为什么被折叠?



