Py4JJavaError：调用时发生错误答案

【问题标题】：Py4JJavaError: An error occurred while callingPy4JJavaError：调用时发生错误
【发布时间】：2019-06-29 23:40:24
【问题描述】：

我是 PySpark 的新手。我一直在用测试样本编写我的代码。一旦我在更大的文件（3gb 压缩）上运行代码。我的代码只是做一些过滤和连接。我不断收到有关 py4J 的错误。

任何帮助都会很有用，我们将不胜感激。

from pyspark.sql import SparkSession
from pyspark.conf import SparkConf

ss = SparkSession \
      .builder \
      .appName("Example") \
      .getOrCreate()

ss.conf.set("spark.sql.execution.arrow.enabled", 'true')

df = ss.read.csv(directory + '/' + filename, header=True, sep=",")
# Some filtering and groupbys...
df.show()

Py4JJavaError: An error occurred while calling o88.showString.
: org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in 
stage 3.0 failed 1 times, most recent failure: Lost task 0.0 in stage 3.0 (TID 
1, localhost, executor driver): java.lang.OutOfMemoryError: Java heap space
...
Caused by: java.lang.OutOfMemoryError: Java heap space

更新：我使用的是 py4j 10.7，刚刚更新到 10.8

UPDATE(1)：添加 spark.driver.memory：

 ss = SparkSession \
  .builder \
  .appName("Example") \
  .config("spark.driver.memory", "16g")\
  .getOrCreate()

汇总返回错误：

ERROR:py4j.java_gateway:An error occurred while trying to connect to the Java server (127.0.0.1:38004)

py4j.protocol.Py4JNetworkError: Answer from Java side is empty
"Error while receiving", e, proto.ERROR_ON_RECEIVE)
py4j.protocol.Py4JNetworkError: Error while receiving

Py4JError
Py4JError: An error occurred while calling o94.showString

UPDATE(2) ：我通过更改 spark-defaults.conf 文件进行了尝试。仍然出现错误PySpark: java.lang.OutofMemoryError: Java heap space

半解决：这似乎是一个普遍的内存问题。我启动了一个具有 32g 内存的 2xlarge 实例。该程序运行没有错误。

知道了这一点，还有其他什么可以提供帮助的 conf 选项，这样我就不必运行昂贵的实例了吗？

谢谢大家。

【问题讨论】：

驱动分配了多少内存？
@SurajRamesh 我正在使用 aws 云。我用过这个 .config("spark.executor.memory", "16g")。没有什么不同。
尝试将spark.driver.memory 设置为16g。你可以为较小的数据集工作吗？ .config("spark.driver.memory", "16g")
@GeneticsGuy 我听取了你的建议，得到了另一个错误：Py4JError: An error occurred while calling o94.showString
您可能需要发布您正在使用的过滤和分组方法。 Spark 的惰性求值会导致最后一个方法显示错误消息，而原因是较早的方法。

标签： python pyspark pyspark-sql py4j

【解决方案1】：

这是通过 conda 安装的 pyspark 2.4.0 的当前问题。您需要通过 conda 提示符或 Linux 终端降级到 pyspark 2.3.0：

    conda install pyspark=2.3.0

【讨论】：

【解决方案2】：

您可能没有正确的权限。

当我使用 docker 镜像 jupyter/pyspark-notebook 运行 pyspark 的示例代码时，我遇到了同样的问题，并且通过在容器中使用 root 解决了。

任何也使用该图像的人都可以找到一些提示here。

【讨论】：