Jupyter中的PySpark SparkContext名称错误'sc'答案

【问题标题】：PySpark SparkContext Name Error 'sc' in jupyterJupyter中的PySpark SparkContext名称错误'sc'
【发布时间】：2016-04-22 17:07:20
【问题描述】：

我是 pyspark 的新手，想在我的 Ubuntu 12.04 机器上通过 Ipython notebook 使用 pyspark。下面是pyspark和Ipython notebook的配置。

sparkuser@Ideapad:~$ echo $JAVA_HOME
/usr/lib/jvm/java-8-oracle

# Path for Spark
sparkuser@Ideapad:~$ ls /home/sparkuser/spark/
bin    CHANGES.txt  data  examples  LICENSE   NOTICE  R          RELEASE  scala-2.11.6.deb
build  conf         ec2   lib       licenses  python  README.md  sbin     spark-1.5.2-bin-hadoop2.6.tgz

我安装了 Anaconda2 4.0.0 和 anaconda 的路径：

sparkuser@Ideapad:~$ ls anaconda2/
bin  conda-meta  envs  etc  Examples  imports  include  lib  LICENSE.txt  mkspecs  pkgs  plugins  share  ssl  tests

为 IPython 创建 PySpark 配置文件。

ipython profile create pyspark

sparkuser@Ideapad:~$ cat .bashrc

export SPARK_HOME="$HOME/spark"
export PYSPARK_SUBMIT_ARGS="--master local[2]"
# added by Anaconda2 4.0.0 installer
export PATH="/home/sparkuser/anaconda2/bin:$PATH"

创建一个名为 ~/.ipython/profile_pyspark/startup/00-pyspark-setup.py 的文件：

sparkuser@Ideapad:~$ cat .ipython/profile_pyspark/startup/00-pyspark-setup.py 
import os
import sys

spark_home = os.environ.get('SPARK_HOME', None)
sys.path.insert(0, spark_home + "/python")
sys.path.insert(0, os.path.join(spark_home, 'python/lib/py4j-0.8.2.1-src.zip'))

filename = os.path.join(spark_home, 'python/pyspark/shell.py')
exec(compile(open(filename, "rb").read(), filename, 'exec'))

spark_release_file = spark_home + "/RELEASE"

if os.path.exists(spark_release_file) and "Spark 1.5.2" in open(spark_release_file).read():
    pyspark_submit_args = os.environ.get("PYSPARK_SUBMIT_ARGS", "")
    if not "pyspark-shell" in pyspark_submit_args: 
        pyspark_submit_args += " pyspark-shell"
        os.environ["PYSPARK_SUBMIT_ARGS"] = pyspark_submit_args

登录pyspark终端：

sparkuser@Ideapad:~$ ~/spark/bin/pyspark
Python 2.7.11 |Anaconda 4.0.0 (64-bit)| (default, Dec  6 2015, 18:08:32) 
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Anaconda is brought to you by Continuum Analytics.
Please check out: http://continuum.io/thanks and https://anaconda.org
Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties
16/04/22 21:06:55 INFO SparkContext: Running Spark version 1.5.2
16/04/22 21:07:27 INFO BlockManagerMaster: Registered BlockManager
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 1.5.2
      /_/

Using Python version 2.7.11 (default, Dec  6 2015 18:08:32)
SparkContext available as sc, HiveContext available as sqlContext.
>>> sc
<pyspark.context.SparkContext object at 0x7facb75b50d0>
>>>

当我运行以下命令时，会打开一个 juypter 浏览器

sparkuser@Ideapad:~$ ipython notebook --profile=pyspark
[TerminalIPythonApp] WARNING | Subcommand `ipython notebook` is deprecated and will be removed in future versions.
[TerminalIPythonApp] WARNING | You likely want to use `jupyter notebook`... continue in 5 sec. Press Ctrl-C to quit now.
[W 21:32:08.070 NotebookApp] Unrecognized alias: '--profile=pyspark', it will probably have no effect.
[I 21:32:08.111 NotebookApp] Serving notebooks from local directory: /home/sparkuser
[I 21:32:08.111 NotebookApp] 0 active kernels 
[I 21:32:08.111 NotebookApp] The Jupyter Notebook is running at: http://localhost:8888/
[I 21:32:08.111 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
Created new window in existing browser session.

如果我在浏览器中输入以下命令，则会抛出 NameError。

In [ ]: print sc
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
<ipython-input-2-ee8101b8fe58> in <module>()
----> 1 print sc
NameError: name 'sc' is not defined

当我在 pyspark 终端中运行上述命令时，它正在输出所需的输出，但是当我在 jupyter 中运行相同的命令时，它会抛出上述错误。

以上是pyspark和Ipython的配置设置。如何用jupyter配置pyspark？

【问题讨论】：

标签： apache-spark ipython pyspark anaconda jupyter-notebook

【解决方案1】：

这是一种解决方法，我建议您尝试不依赖 pyspark 为您加载上下文：-

从

安装 findspark python 包

pip install findspark

如果您使用 Anaconda 安装了 Jupyter Notebook，请改用 Anaconda 提示符或终端：

 $CONDA_PYTHON_EXE -m pip install findspark

然后简单地导入并初始化sparkcontext：-

import findspark
findspark.init()
import os

import pyspark # import pyspark only after findspark

print(sc)
print(spark)

参考：https://pypi.python.org/pypi/findspark

【讨论】：

【解决方案2】：

您好，您需要在终端中试用 pyspark 内核：

mkdir -p ~/.ipython/kernels/pyspark

nano ~/.ipython/kernels/pyspark/kernel.json

然后复制以下文本：

{ 'display_name': 'pySpark (Spark 1.6.1)', 
'language': 'python', 
'argv': [ 
    '/usr/bin/python', // Your python Path
    '-m', 'IPython.kernel', 
    '--profile=pyspark', 
    '-f', 
    '{connection_file}' 
] }

并保存 (ctr + X, y)

现在您的 jupyter 内核中应该有“pyspark”。

现在要么 sc 已经存在于你的笔记本中（尝试在单元格中调用 sc），否则尝试运行这些行：

import pyspark
conf = (pyspark.SparkConf().setAppName('test').set("spark.executor.memory", "2g").setMaster("local[2]"))
sc = pyspark.SparkContext(conf=conf)

你现在应该让你的 sc 运行

【讨论】：

【解决方案3】：

简单的建议是不要使 pyspark 安装复杂化。

版本> 2.2，你可以做一个简单的pip install pyspark来安装pyspark包。
此外，如果您还想安装 jupyter，请为 jupyter 执行另一个 pip install。 pip install pyspark pip install jupyter

或者，如果您想使用其他版本或特定发行版的 spark，早期的 3 minute 方法将是： https://blog.sicara.com/get-started-pyspark-jupyter-guide-tutorial-ae2fe84f594f

【讨论】：