最新的spark支持python的什么版本

Question

如题所述

Answer 1

　　两种方法：
　　使用 spark-submit 解释执行python脚本
　　使用 python 解释执行python脚本
　　1. 使用Spark-submit解释执行python脚本
　　python脚本中需要在开头导入spark相关模块，调用时使用spark-submit提交，示例代码如下：
　　===========================================================
　　"""odflow.py"""
　　from pyspark import SparkContext
　　fileDir = "/TripChain3_Demo.txt"
　　# sc = SparkContext("local", "ODFlow")
　　sc = SparkContext("spark://ITS-Hadoop10:7077", "ODFlow")
　　lines = sc.textFile(fileDir)
　　# python不能直接写多行的lambda表达式，所以要封装在函数中
　　def toKV(line):
　　arr = line.split(",")
　　t = arr[5].split(" ")[1].split(":")
　　return (t[0]+t[1]+","+arr[11]+","+arr[18],1)
　　r1 = lines.map( lambda line : toKV(line) ).reduceByKey(lambda a,b: a+b)
　　# 排序并且存入一个（repartition）文件中
　　r1.sortByKey(False).saveAsTextFile("/pythontest/output")
　　===========================================================
　　发布命令为：
　　spark-submit \
　　--master spark://ITS-Hadoop10:7077 \
　　odflow.py
　　2. 使用 python 解释执行python脚本
　　直接用python执行会出现错误:
　　ImportError: No module named pyspark
　　ImportError: No module named py4j.java_gateway
　　缺少pyspark和py4j这两个模块，这两个包在Spark的安装目录里，需要在环境变量里定义PYTHONPATH，编辑~/.bashrc或者/etc/profile文件均可
　　vi ~/.bashrc # 或者 sudo vi /etc/profile
　　# 添加下面这一行
　　export PYTHONPATH=$SPARK_HOME/python/:$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH
　　# 使其生效
　　source ~/.bashrc # 或者 sudo source /etc/profile
　　然后关闭终端，重新打开，用python执行即可
　　python odflow.py