在 pyspark 的映射器中导入错误答案

【问题标题】：Import error inside a mapper in pyspark在 pyspark 的映射器中导入错误
【发布时间】：2017-06-17 09:44:50
【问题描述】：

我正在开发一个 EMR YARN 集群，但遇到了 networkx 问题。我正在尝试在映射器内的 networkx 包中运行其中一种算法，并收到一条错误消息，指出没有模块名称“装饰器”，并立即失败，并出现以下错误：

文件“./networkx-1.11-py2.7.egg/networkx/utils/init.py”，第 2 行，在文件“./networkx-1.11-py2.7.egg/networkx/utils/decorators.py”，第 7 行，在 ImportError: No module named decorator

    at org.apache.spark.api.python.PythonRunner$$anon$1.read(PythonRDD.scala:193)
    at org.apache.spark.api.python.PythonRunner$$anon$1.<init>(PythonRDD.scala:234)
    at org.apache.spark.api.python.PythonRunner.compute(PythonRDD.scala:152)
    at org.apache.spark.api.python.PythonRDD.compute(PythonRDD.scala:63)
    at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:319)

当我在本地模式下运行确切的脚本时它工作正常（不使用集群）。

我为运行代码所采取的步骤如下：

wget networkx 包和它的 egg 到集群。
在集群上安装了 networkx。
使用命令 --py-files 运行我的脚本，并带有 egg 的路径： spark-submit --py-files path-to-egg/networkx-1.11-py2.7.egg --master yarn --deployed-mode cluster path-to-file/NX.py

仅当我在集群模式下运行代码时才存在此问题。似乎由于某种原因，networkx egg 无法导入装饰器。

我该如何进行？我是否还需要为装饰者寻找另一个彩蛋？关于如何在映射器中使用 networkx 包的任何其他想法？

非常感谢。

【问题讨论】：

标签： mapreduce pyspark hadoop-yarn networkx amazon-emr

【解决方案1】：

您似乎需要为 decorator 包添加另一个 egg 文件。

例如，您可以下载 tarball（从上面的链接）并构建自己的 egg：

$ python setup.py bdist_egg

然后，您可以在--py-files 参数中添加蛋的路径，例如

$ spark-submit --py-files /path/to/foo.egg,/path/to/bar.egg

【讨论】：

谢谢！在我生成“decorator.egg”并将其添加到命令参数后，它工作得很好。