apache-spark - spark-submit : 将运行时变量传递给 spark 脚本

Question

我正在使用 spark-submit 选项提交 Pyspark/SparkSQL 脚本，我需要将运行时变量（数据库名称）传递给脚本

火花提交命令：

spark-submit --conf database_parameter=my_database my_pyspark_script.py

pyspark 脚本

database_parameter = SparkContext.getConf().get("database_parameter")           

DF = sqlContext.sql("SELECT count(*) FROM database_parameter.table_name")

spark版本是：1.5.2
Python版本是：2.7.5

我正在尝试的解决方案不起作用。错误是：AttributeError：类型对象“SparkConf”没有属性“getConf”。

我正在寻找一种方法来传递运行时变量，同时通过 spark-submit 调用脚本并在脚本中使用这些变量。

Answer 1

你可以使用通常的sys.argv

参数文件

#!/usr/bin/python

import sys
print sys.argv[1]

然后你spark-submit它：

spark-submit args.py my_database 

这将打印：

my_database