maven工程下使用pyspark报错: key not found: _PYSPARK_DRIVER_CONN_INFO_PATH

最新推荐文章于 2023-03-07 10:48:30 发布

原创

最新推荐文章于 2023-03-07 10:48:30 发布 · 2.2k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#pyspark

在IDEA的Maven工程中使用pyspark时遇到 '_PYSPARK_DRIVER_CONN_INFO_PATH' 错误，原因是maven工程的spark版本与本地安装的spark版本不匹配。解决方案包括检查并统一maven、本地及pyspark包的spark版本，以及在代码更新后重新导入maven依赖或重启IDEA。

使用IDEA，安装了python插件，在Maven工程中使用pyspark。

执行下面这段代码的时候报错

# -*- encoding: utf-8 -*-
"""
Created on 16:07 2019/4/9

@author: fancyChuan
@email: 1247375074@qq.com
@desc: 向spark传递函数 示例
"""
from pyspark import SparkConf, SparkContext


class SearchFunctionsWarn(object):
    """
    不推荐的写法，rdd.filter()传递函数的时候会把整个self都传递到集群上，可能self非常大
    """
    def __init__(self, query):
        self.query = query

    def isMatch(self, s):
        return self.query in s

    def getMatchesFunctionReference(self, rdd):
        return rdd.filter(self.isMathch)  # 有风险

    def getMatchesMemberReference(self, rdd):
        return rdd.filter(self.isMatch)  # 有风险


class SearchFunctionsRight(object):
    """
    推荐的写法，使用局部变量，把需要传递的内容赋值给局部变量，然后传递局部变量
    结论： 传递局部可序列化变量或者顶层函数始终是安全
    """
    def __init__(self, query):
        self.query = query

    def isMatch(self, s):
        return self.query in s

    def getMatchesFunctionReference(self, rdd):