以脚本spark_clean_online_action.py、数据集new_sxf_time_count_1781115582.csv为例： 集群节点包括212、216、217、218。需要注意的是：
- 每台节点有且仅有Python 2.7.5 和Python 2.6.8 两个环境 完成相关依赖安装
1、上传待处理文件到HDFS
2、Pyspark默认调用的是Python 2.7.5 解释器，所以需更改调用版本，每个节点执行： export PYSPARK_PYTHON=/usr/local/python3/bin/python3
3、spark2-submit --driver-memory 1g --num-executors 4 --executor-cores 10 --master yarn --deploy-mode client spark_clean_online_action.py
或者不执行2和3，仅执行：
4、spark2-submit --driver-memory 1g --num-executors 4 --executor-cores 10 --master yarn --deploy-mode client --conf spark.yarn.appMasterEnv.PYSPARK_PYTHON=/usr/local/python3/bin/python3 spark_clean_online_action.py
版本
- pandas==0.20.3
- pyspark==2.3.0
- pyarrow==0.12.1