apache-spark - 如何设置 SPARK_HOME 变量？

Question

按照链接http://h2o-release.s3.amazonaws.com/sparkling-water/rel-2.2/0/index.html中的苏打水步骤。

在终端中运行：

~/InstallFile/SparklingWater/sparkling-water-2.2.0$ bin/sparkling-shell --conf "spark.executor.memory=1g"

请为您的 Spark 安装设置 SPARK_HOME 变量

Answer 1

您应该安装并设置 SPARK_HOME 变量，在 unix 终端中运行以下代码来设置变量：

export SPARK_HOME="/path/to/spark"

要维护此配置，您应该将其附加到 .bashrc 的末尾。

请参阅此安装https://www.tutorialspoint.com/apache_spark/apache_spark_installation.htm

Answer 2

在使用带有 Anaconda 的 Jupyter Notebook 时，调用findspark.py的函数执行以下操作：

def find():
    spark_home = os.environ.get('SPARK_HOME', None)

    if not spark_home:
        for path in [
            '/usr/local/opt/apache-spark/libexec', # OS X Homebrew
            '/usr/lib/spark/' # AWS Amazon EMR
            # Any other common places to look?
        ]:
            if os.path.exists(path):
                spark_home = path
                break

    if not spark_home:
        raise ValueError("Couldn't find Spark, make sure SPARK_HOME env is set"
                         " or Spark is in an expected location (e.g. from homebrew installation).")

    return spark_home

所以我们将遵循下一个程序。

1. 指定 SPARK_HOME 和 JAVA_HOME

正如我们在上面的函数中看到的，对于 Windows，我们需要指定位置。下一个函数是这些答案的略微修改版本。之所以修改它，是因为还需要指定一个 JAVA_HOME，这是您安装它的目录。另外，我创建了一个 spark 目录，我在其中移动了我正在使用的下载版本的 Spark，对于此过程，您可以查看这些链接。

import os 
import sys

def configure_spark(spark_home=None, pyspark_python=None):
    spark_home = spark_home or "/path/to/default/spark/home"
    os.environ['SPARK_HOME'] = spark_home
    os.environ['JAVA_HOME'] = 'C:\Program Files\Java\jre1.8.0_231'

    # Add the PySpark directories to the Python path:
    sys.path.insert(1, os.path.join(spark_home, 'python'))
    sys.path.insert(1, os.path.join(spark_home, 'python', 'pyspark'))
    sys.path.insert(1, os.path.join(spark_home, 'python', 'build'))

    # If PySpark isn't specified, use currently running Python binary:
    pyspark_python = pyspark_python or sys.executable
    os.environ['PYSPARK_PYTHON'] = pyspark_python

configure_spark('C:\spark\spark-2.4.4-bin-hadoop2.6')

2.配置SparkContext

在本地工作时，您应该按以下方式配置 SparkContext：（这些链接很有用）

import findspark
from pyspark.conf import SparkConf
from pyspark.context import SparkContext

# Find Spark Locally
location = findspark.find()
findspark.init(location, edit_rc=True)

# Start a SparkContext 
configure = SparkConf().set('spark.driver.host','127.0.0.1')
sc = pyspark.SparkContext(master = 'local', appName='desiredName', conf=configure)

这个过程对我来说很好，谢谢！

Answer 3

您必须在要使用苏打水的机器上下载 spark 运行时。它可以是本地下载，也可以是集群火花，即在 Hadoop 上。

SPARK_HOME 变量是苏打水将找到火花运行时间的目录/文件夹。

在以下设置 SPARK_HOME 中，我在本地机器上下载了 Spark 2.1，路径设置为解压缩的 spark 2.1，如下所示：

SPARK_HOME=/Users/avkashchauhan/tools/spark-2.1.0-bin-hadoop2.6

$ pwd
 /Users/avkashchauhan/tools/sw2/sparkling-water-2.1.14

现在，当我如下启动 sparkling-shell 时，它可以正常工作：

~/tools/sw2/sparkling-water-2.1.14 $ bin/sparkling-shell                                                                                                                                                                                        

-----
  Spark master (MASTER)     : local[*]
  Spark home   (SPARK_HOME) : /Users/avkashchauhan/tools/spark-2.1.0-bin-hadoop2.6
  H2O build version         : 3.14.0.2 (weierstrass)
  Spark build version       : 2.1.1
  Scala version             : 2.11
----