14

我在我的机器（Ubuntu）上安装了 apache-spark 和 pyspark，在 Pycharm 中，我还更新了环境变量（例如 spark_home、pyspark_python）。我正在尝试做：

import os, sys
os.environ['SPARK_HOME'] = ".../spark-2.3.0-bin-hadoop2.7"
sys.path.append(".../spark-2.3.0-bin-hadoop2.7/bin/pyspark/")
sys.path.append(".../spark-2.3.0-bin-hadoop2.7/python/lib/py4j-0.10.6-src.zip")
from pyspark import SparkContext
from pyspark import SparkConf
sc = SparkContext('local[2]')
words = sc.parallelize(["scala", "java", "hadoop", "spark", "akka"])
print(words.count())

但是，我收到一些奇怪的警告：

py4j.protocol.Py4JJavaError: An error occurred while calling z:org.apache.spark.api.python.PythonRDD.collectAndServe.
: java.lang.IllegalArgumentException
at org.apache.xbean.asm5.ClassReader.<init>(Unknown Source)
at org.apache.xbean.asm5.ClassReader.<init>(Unknown Source)
at org.apache.xbean.asm5.ClassReader.<init>(Unknown Source)
at org.apache.spark.util.ClosureCleaner$.getClassReader(ClosureCleaner.scala:46)
at org.apache.spark.util.FieldAccessFinder$$anon$3$$anonfun$visitMethodInsn$2.apply(ClosureCleaner.scala:449)
at org.apache.spark.util.FieldAccessFinder$$anon$3$$anonfun$visitMethodInsn$2.apply(ClosureCleaner.scala:432)
at scala.collection.TraversableLike$WithFilter$$anonfun$foreach$1.apply(TraversableLike.scala:733)
at scala.collection.mutable.HashMap$$anon$1$$anonfun$foreach$2.apply(HashMap.scala:103)
at scala.collection.mutable.HashMap$$anon$1$$anonfun$foreach$2.apply(HashMap.scala:103)
at scala.collection.mutable.HashTable$class.foreachEntry(HashTable.scala:230)
at scala.collection.mutable.HashMap.foreachEntry(HashMap.scala:40)
at scala.collection.mutable.HashMap$$anon$1.foreach(HashMap.scala:103)
at scala.collection.TraversableLike$WithFilter.foreach(TraversableLike.scala:732)
at org.apache.spark.util.FieldAccessFinder$$anon$3.visitMethodInsn(ClosureCleaner.scala:432)
at org.apache.xbean.asm5.ClassReader.a(Unknown Source)
at org.apache.xbean.asm5.ClassReader.b(Unknown Source)
at org.apache.xbean.asm5.ClassReader.accept(Unknown Source)
at org.apache.xbean.asm5.ClassReader.accept(Unknown Source)
at org.apache.spark.util.ClosureCleaner$$anonfun$org$apache$spark$util$ClosureCleaner$$clean$14.apply(ClosureCleaner.scala:262)
at org.apache.spark.util.ClosureCleaner$$anonfun$org$apache$spark$util$ClosureCleaner$$clean$14.apply(ClosureCleaner.scala:261)
at scala.collection.immutable.List.foreach(List.scala:381)
at org.apache.spark.util.ClosureCleaner$.org$apache$spark$util$ClosureCleaner$$clean(ClosureCleaner.scala:261)
at org.apache.spark.util.ClosureCleaner$.clean(ClosureCleaner.scala:159)
at org.apache.spark.SparkContext.clean(SparkContext.scala:2292)
at org.apache.spark.SparkContext.runJob(SparkContext.scala:2066)
at org.apache.spark.SparkContext.runJob(SparkContext.scala:2092)
at org.apache.spark.rdd.RDD$$anonfun$collect$1.apply(RDD.scala:939)
at org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:151)
at org.apache.spark.rdd.RDDOperationScope$.withScope(RDDOperationScope.scala:112)
at org.apache.spark.rdd.RDD.withScope(RDD.scala:363)
at org.apache.spark.rdd.RDD.collect(RDD.scala:938)
at org.apache.spark.api.python.PythonRDD$.collectAndServe(PythonRDD.scala:153)
at org.apache.spark.api.python.PythonRDD.collectAndServe(PythonRDD.scala)
at java.base/jdk.internal.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at java.base/jdk.internal.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at java.base/jdk.internal.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.base/java.lang.reflect.Method.invoke(Method.java:564)
at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
at py4j.Gateway.invoke(Gateway.java:282)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:214)
at java.base/java.lang.Thread.run(Thread.java:844)

我怎么解决这个问题？

4

10 回答 10

15

实际上，我找到了一个棘手的解决方案。要解决以下问题：

确保您正确安装了 Py4j。最好使用官方版本安装。去做，

  1. 从https://pypi.org/project/py4j/下载最新的官方版本。

  2. 解压缩文件并导航到新创建的目录，例如 cd py4j-0.x。

  3. 跑

    sudo python(3) setup.py 安装

然后将您的 Java 降级到版本 8（以前，我使用版本 10。）。为此，首先使用以下方法删除当前版本的 Java：

sudo apt-get purge openjdk-\* icedtea-\* icedtea6-\*

然后使用以下命令安装 Java 8：

sudo apt install openjdk-8-jre-headless

现在代码对我正常工作。

于 2018-04-30T09:53:11.033 回答
4

我还确认该解决方案适用于 Ubuntu 18.04 LTS。

我安装了一个 java 10 并尝试从以下位置运行 Python 示例： http ://spark.apache.org/docs/2.3.1/ ，即简单的事情：

./bin/spark-submit examples/src/main/python/pi.py 10

那没起效！

应用建议的修复后：

sudo apt-get purge openjdk-\* icedtea-\* icedtea6-\*
sudo apt autoremove
sudo apt install openjdk-8-jre-headless

这个例子最终奏效了；我的意思是，如果您认为正确的答案是：

Pi 大约是 3.142000

感谢您的解决方案，
Bagvian

于 2018-10-31T11:12:02.153 回答
1

我需要同时维护 OpenJDK 11 和 JDK 8 以用于不同的目的，因此降级不是一种选择。对于 Spark 程序，我通过导出（覆盖）JAVA_HOME指向 JDK8 的路径来利用，如下所示。

export JAVA_HOME=/Library/Java/JavaVirtualMachines/jdk1.8.0_65.jdk/Contents/Home/
于 2019-11-02T16:42:47.007 回答
1

步骤1：

如果您已经安装了一个，请将您的 java 版本降级或升级到 8。（查看如何在 java 版本之间交替）

第2步：

将以下内容添加到~/.bashrc

export JAVA_HOME='/usr/lib/jvm/java-8-openjdk-amd64'
export PATH=$JAVA_HOME/bin:$PATH
export SPARK_HOME='/path/to/spark-2.x.x-bin-hadoop2.7'
export PATH=$SPARK_HOME/bin:$PATH

并运行source ~/.bashrc以加载它，或者只是启动一个新终端。

另一种方法是复制/path/to/spark-2.x.x-bin-hadoop2.7/conf/spark-env.sh.template到/path/to/spark-2.x.x-bin-hadoop2.7/conf/spark-env.sh. 然后将以下内容添加到spark-env.sh

export JAVA_HOME='/usr/lib/jvm/java-8-openjdk-amd64'
export PYSPARK_PYTHON=python3

然后将以下内容添加到~/.bashrc

export SPARK_HOME='/path/to/spark-2.x.x-bin-hadoop2.7'
export PATH=$SPARK_HOME/bin:$PATH
export SPARK_CONF_DIR=$SPARK_HOME/conf

并运行source ~/.bashrc。

于 2019-08-25T13:54:16.480 回答
1

我之前有两个版本的java，java8和java9。当我删除Java9时，问题已经解决。

于 2018-10-26T13:39:49.157 回答
0

direnv + 采用openjdk8 ( brew tap homebrew/cask-versions+ brew cask install adoptopenjdk8) 在这种情况下对我来说效果很好 (macOS)

# ~/.direnvrc
use_java() {
    if [ "$#" -ne 1 ]; then
    echo "usage: use java VERSION" >&2
    return 1
  fi
  local v
  v="$1"
  if [ "$v" -le "8" ]; then
    v="1.$v"
  fi
  export JAVA_HOME="$(/usr/libexec/java_home -v "$v")"
  PATH_add $JAVA_HOME/bin
}

# .envrc in the project directory
use_java 8
于 2020-01-15T07:45:52.263 回答
0

我有同样的问题。
PySpark 2.xx 支持 Java 8。PySpark 3.xx 支持 Java 8 和 Java 11。
因此，请检查您的 PySpark 和 Java 版本。
如果您使用的是 PySpark 2.xx，那么您需要安装/升级/降级 Java 8 并将您的JAVA_HOME指向 java 8 jdk 路径。

于 2021-09-06T03:10:45.020 回答
0

如果您使用的是 anaconda，请尝试： conda install -c cyclus java-jdk

于 2020-01-28T02:03:28.750 回答
0

获得错误的主要原因是环境变量中的路径不正确/不完整。您需要为 java、spark、pyspark_python、hadoop（包含 bin 文件夹）添加路径。这个解决方案很可能可以通过添加正确的路径来解决。 https://youtu.be/WQErwxRTiW0 ----这个视频帮助我解决了我的问题（视频描述了所有的安装和正确的路径）

于 2021-04-13T20:47:29.523 回答
0

我有同样的问题。我有java-11，所以我删除了Java-11并安装了java-8，问题已经解决。

于 2021-01-23T08:59:56.140 回答