KeyError：Google-Cloud-DataProc 上 Jupyter 上 pyspark 中的“SPARK_HOME”

Question

当尝试显示 SparkDF（测试）时，我得到一个 KeyError，如下所示。可能是我之前Test.show(3)使用的函数出了点问题。

KeyError 说：KeyError：'SPARK_HOME'。 我假设 SPARK_HOME 没有在主人和/或工人上定义。有没有办法可以在两者上自动指定 SPARK_HOME 目录？最好使用初始化操作。

Py4JJavaErrorTraceback（最近一次调用最后） 在 （） ----> 1 测试.show(3)

/usr/lib/spark/python/pyspark/sql/dataframe.py in show(self, n, truncate)
    255         +---+-----+
    256         """
--> 257         print(self._jdf.showString(n, truncate))
    258 
    259     def __repr__(self):

...

    raise KeyError(key)
KeyError: 'SPARK_HOME'

Answer 1

您可以简单地将以下内容放入初始化操作中：

#!/bin/bash

cat << EOF | tee -a /etc/profile.d/custom_env.sh /etc/*bashrc >/dev/null
export SPARK_HOME=/usr/lib/spark/
EOF

您需要将该 init 操作放在您的 jupyter 安装操作之前，以确保它在 jupyter 进程启动时存在。

编辑：要指定两个初始化操作，您可以将它们列在逗号分隔的列表中，不带空格，如下所示：

gcloud dataproc clusters create \
    --initialization-actions gs://mybucket/spark_home.sh,gs://mybucket/jupyter.sh ...