python连接standalone版spark

最新推荐文章于 2024-06-23 17:25:39 发布

原创

最新推荐文章于 2024-06-23 17:25:39 发布 · 543 阅读

0 ·

CC 4.0 BY-SA版权

本文记录了在Python中连接到Standalone模式的Spark集群的过程，遇到的问题及解决方法。错误在于启动Slave时指定了错误的Master IP，正确做法是通过netstat找到Spark实际监听的IP。成功连接后，使用Python进行了简单的计算。环境包括Python3和pyspark，通过pip3安装pyspark。提供了Master的WEBUI链接和官方文档参考。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

昨天已经完成了standalone的spark搭建，当然今天在实际使用python连接时，发现其实是有问题的。master和slave其实并没有成功连接，原因是启动slave时指定的master ip地址有误，需要通过netstat查看7077在哪个ip上侦听，不可直接写127.0.0.1

今天成功用python连接了昨天搭建的spark集群做简单计算

环境：

python3

pip3

安装：

pip3 install pyspark

代码：

cat test_connect_spark.py 

from pyspark import SparkContext



logFile = "./test.txt"

# conect spark

sc = SparkContext(master="spark://192.168.1.20:7077", appName="Simple App")



logData = sc.textFile(logFile).cache()

# count lines include 'a'

numAs = logData.filter(lambda s: 'a' in s).count()

# count lines include 'b'

numBs = logData.filter(lambda s: 'b' in s).count()



print("Lines with a: %i, lines with b: %i" % (numAs, numBs))

运行：