python 2.7 - ¿Por qué PySpark no puede encontrar py4j.java_gateway?

python-2.7 ipython

Question

Instalé Spark, ejecuté el ensamblado sbt y puedo abrir bin / pyspark sin ningún problema. Sin embargo, estoy teniendo problemas para cargar el módulo pyspark en ipython. Me aparece el siguiente error:

In [1]: import pyspark
---------------------------------------------------------------------------
ImportError                               Traceback (most recent call last)
<ipython-input-1-c15ae3402d12> in <module>()
----> 1 import pyspark

/usr/local/spark/python/pyspark/__init__.py in <module>()
     61
     62 from pyspark.conf import SparkConf
---> 63 from pyspark.context import SparkContext
     64 from pyspark.sql import SQLContext
     65 from pyspark.rdd import RDD

/usr/local/spark/python/pyspark/context.py in <module>()
     28 from pyspark.conf import SparkConf
     29 from pyspark.files import SparkFiles
---> 30 from pyspark.java_gateway import launch_gateway
     31 from pyspark.serializers import PickleSerializer, BatchedSerializer, UTF8Deserializer, /
     32     PairDeserializer, CompressedSerializer

/usr/local/spark/python/pyspark/java_gateway.py in <module>()
     24 from subprocess import Popen, PIPE
     25 from threading import Thread
---> 26 from py4j.java_gateway import java_import, JavaGateway, GatewayClient
     27
     28

ImportError: No module named py4j.java_gateway

Answer 1

En Pycharm, antes de ejecutar el script anterior, asegúrese de haber descomprimido el archivo py4j * .zip. y agregue su referencia en el script sys.path.append ("path to spark * / python / lib")

Funcionó para mí

Answer 2

En mi entorno (usando docker y la imagen sequenceiq / spark: 1.1.0-ubuntu), me encontré con esto. Si observas el script de shell de pyspark, verás que necesitas agregar algunas cosas a tu PYTHONPATH:

export PYTHONPATH=$SPARK_HOME/python/:$PYTHONPATH
export PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH

Eso funcionó en ipython para mí.

Actualización: como se indica en los comentarios, el nombre del archivo zip py4j cambia con cada versión de Spark, así que busque el nombre correcto.

Answer 3

Instalar el módulo pip ''py4j''.

pip install py4j

Tengo este problema con Spark 2.1.1 y Python 2.7.x. No estoy seguro si Spark dejó de agrupar este paquete en las últimas distribuciones. Pero la instalación del módulo py4j resolvió el problema para mí.

Answer 4

Resolví este problema agregando algunas rutas en .bashrc

export SPARK_HOME=/home/a141890/apps/spark
export PYTHONPATH=$SPARK_HOME/python/:$PYTHONPATH
export PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH

Después de esto, nunca sube ImportError: ningún módulo llamado py4j.java_gateway.

Answer 5

#/home/shubham/spark-1.6.2
import os
import sys
# Set the path for spark installation
# this is the path where you have built spark using sbt/sbt assembly
os.environ[''SPARK_HOME''] = "/home/shubham/spark-1.6.2"
# os.environ[''SPARK_HOME''] = "/home/jie/d2/spark-0.9.1"
# Append to PYTHONPATH so that pyspark could be found
sys.path.append("/home/shubham/spark-1.6.2/python")
sys.path.append("/home/shubham/spark-1.6.2/python/lib")
# sys.path.append("/home/jie/d2/spark-0.9.1/python")
# Now we are ready to import Spark Modules
try:
    from pyspark import SparkContext
    from pyspark import SparkConf`enter code here`
    print "Hey nice"
except ImportError as e:
    print ("Error importing Spark Modules", e)
sys.exit(1)