环境变量 PYSPARK_PYTHON 和 PYSPARK_DRIVER_PYTHON

Question

我最近安装了 pyspark。它已正确安装。当我在 python 中使用以下简单程序时，出现错误。

 >>from pyspark import SparkContext
>>sc = SparkContext()
>>data = range(1,1000)
>>rdd = sc.parallelize(data)
>>rdd.collect()

运行最后一行时出现错误，其关键行似乎是

[Stage 0:>                                                          (0 + 0) / 4]18/01/15 14:36:32 ERROR Executor: Exception in task 1.0 in stage 0.0 (TID 1)
org.apache.spark.api.python.PythonException: Traceback (most recent call last):
  File "/usr/local/lib/python3.5/dist-packages/pyspark/python/lib/pyspark.zip/pyspark/worker.py", line 123, in main
    ("%d.%d" % sys.version_info[:2], version))
Exception: Python in worker has different version 2.7 than that in driver 3.5, PySpark cannot run with different minor versions.Please check environment variables PYSPARK_PYTHON and PYSPARK_DRIVER_PYTHON are correctly set.

我在 .bashrc 中有以下变量

export SPARK_HOME=/opt/spark
export PYTHONPATH=$SPARK_HOME/python3

我正在使用 Python 3。

原文由 Akash Kumar 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

顺便说一句，如果你使用 PyCharm，你可以添加 PYSPARK_PYTHON 和 PYSPARK_DRIVER_PYTHON 来运行/调试下面每个图像的配置

原文由 buxizhizhoum 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

您应该在 $SPARK_HOME/conf/spark-env.sh 中设置以下环境变量：

 export PYSPARK_PYTHON=/usr/bin/python
export PYSPARK_DRIVER_PYTHON=/usr/bin/python

如果 spark-env.sh 不存在，可以重命名 spark-env.sh.template

原文由 Alex 发布，翻译遵循 CC BY-SA 3.0 许可协议