pyspark 提交yarn-cluster模式总结

  1. 用conda创建虚拟python环境，在虚拟环境中安装依赖包(pyspark包不需要)，配置好的环境会保存在…/anaconda/envs/ 目录下，然后利用zip打包上传到hdfs上(e.g. hdfs://HDFS80043/spark-python/pyspark_3.7.zip)

  2. 对于较大型的项目，需要多个py文件依赖的，将所有文件用zip打包 (e.g. den.zip)

  3. 配置文件需要在提交任务时的–files后面加入(e.g test.toml)

  4. 运行代码例子：
    spark-submit --master yarn-cluster
    –conf spark.yarn.appMasterEnv.PYSPARK_PYTHON=./pyspark_3.7.zip/pyspark_3.7/bin/python3.7
    –conf spark.yarn.executorEnv.PYSPARK_PYTHON=./pyspark_3.7.zip/pyspark_3.7/bin/python3.7
    –conf spark.yarn.dist.archives=hdfs://HDFS80043/spark-python/pyspark_3.7.zip
    –py-files den.zip
    –files test.toml
    main.py argvs…

Logo
腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

Elasticsearch复杂数据类型终极指南：从入门到精通

Elasticsearch作为功能强大的搜索引擎，支持多种复杂数据类型，让开发者能够灵活处理各种结构化和非结构化数据。本文将带你全面了解Elasticsearch中的复杂数据类型，从基础概念到实际应用，助你轻松掌握数据建模的核心技巧。## 内部对象：构建层级化数据结构在Elasticsearch中，对象类型（Object）是最基础的复杂数据类型之一，用于表示具有嵌套关系的数据。例如，我们可

avatar 腾讯云开发者社区

终极指南：Flink SQL连接器版本管理从混乱到有序的升级之路

Apache Flink作为流处理领域的佼佼者，其SQL连接器的版本管理一直是开发者面临的核心挑战。本文将系统讲解Flink SQL连接器版本管理的最佳实践，帮助你轻松应对版本兼容性问题，实现从混乱到有序的升级之旅。## 连接器版本管理的常见痛点 😫在Flink应用开发中，连接器版本管理常常让开发者头疼不已。不同版本的连接器可能导致各种兼容性问题，例如API变更、功能差异甚至运行时错误。

avatar 腾讯云开发者社区

如何快速搭建Neon无服务器PostgreSQL：面向初学者的完整指南

Neon是一款革命性的无服务器PostgreSQL解决方案，它通过分离存储和计算层，实现了自动扩缩容、类代码式数据库分支以及零级扩展能力。本指南将帮助你从零开始搭建Neon开发环境，体验这款创新数据库的强大功能。## 准备工作：环境要求与依赖项在开始搭建Neon环境前，请确保你的系统满足以下要求：- Linux操作系统（推荐Ubuntu 20.04+或Debian 11+）- Git

avatar 腾讯云开发者社区