如何一次运行多个 Spark 2.0 实例（在多个 Jupyter Notebook 中）？答案

【问题标题】：How to run multiple instances of Spark 2.0 at once (in multiple Jupyter Notebooks)?如何一次运行多个 Spark 2.0 实例（在多个 Jupyter Notebook 中）？
【发布时间】：2017-02-06 22:41:55
【问题描述】：

我有一个脚本，可以方便地在 Jupyter Notebook 中使用 Spark。这很好，除非我在第二个笔记本中运行 spark 命令（例如测试一些临时工作）。

我收到一条很长的错误消息，其中的关键部分似乎是：

Py4JJavaError：调用 o31.json 时出错。 : java.lang.RuntimeException: java.lang.RuntimeException: 无法实例化 org.apache.hadoop.hive.ql.metadata.SessionHiveMetaStoreClient`

。 . .

原因：ERROR XSDB6：另一个 Derby 实例可能已经启动了数据库 /metastore_db

问题似乎是我一次只能运行一个 Spark 实例。

如何设置 Spark 以同时在多个笔记本中运行？

【问题讨论】：

标签： pyspark derby jupyter-notebook apache-spark-2.0

【解决方案1】：

默认情况下，Spark 在 Hive 和 Hadoop 之上运行，并将其用于数据库转换的指令存储在 Derby - 一个轻量级数据库系统中。 Derby 一次只能运行一个 Spark 实例，因此当您启动第二个笔记本并开始运行 Spark 命令时，它会崩溃。

要解决这个问题，您可以将 Spark 的 Hive 安装连接到 Postgres 而不是 Derby。

Brew 安装 postgres，如果您还没有安装它。

然后下载postgresql-9.4.1212.jar（假设你运行的是java 1.8 aka java8）来自https://jdbc.postgresql.org/download.html

将此 .jar 文件移动到您的 Spark 安装的 /libexec/jars/ 目录。

例如：/usr/local/Cellar/apache-spark/2.0.1/

（在 Mac 上，您可以通过在命令行中输入 brew info apache-spark 来查找 Spark 的安装位置）

接下来在 /libexec/conf 目录中为您的 Spark 安装创建 hive-site.xml。

例如：/usr/local/Cellar/apache-spark/2.0.1/libexec/conf

这可以通过文本编辑器完成 - 只需使用“.xml”扩展名保存文件。

hive-site.xml 应包含以下文本：

<configuration>
<property>
  <name>javax.jdo.option.ConnectionURL</name>
  <value>jdbc:postgresql://localhost:5432/hive_metastore</value>
</property>

<property>
  <name>javax.jdo.option.ConnectionDriverName</name>
  <value>org.postgresql.Driver</value>
</property>

<property>
<name>javax.jdo.option.ConnectionUserName</name>
  <value>hive</value>
</property>

<property>
  <name>javax.jdo.option.ConnectionPassword</name>
  <value>mypassword</value>
</property>

</configuration>

'hive' 和 'mypassword' 可以替换为对您有意义的任何内容 - 但必须与下一步匹配。

最后在 Postgress 中创建用户和密码：在命令行中运行以下命令 -

psql
CREATE USER hive;
ALTER ROLE hive WITH PASSWORD 'mypassword';
CREATE DATABASE hive_metastore;
GRANT ALL PRIVILEGES ON DATABASE hive_metastore TO hive;
\q

就是这样，你完成了。 Spark 现在应该同时在多个 Jupyter Notebook 中运行。

【讨论】：