如何提交存储在 GCP 存储桶中的 .py 文件？

Question

我正在尝试运行此文件 .py 文件。我已经复制了 GCP 存储桶中的 dsgd_mf.py 文件。所需的输入数据文件也在我的存储桶中。如何火花提交并获得输出？ (https://github.com/LiuShifeng/Matrix_Factor_Python/blob/master/dsgd_mf.py)

我在 GCP 上运行 Jupyter 笔记本并安装了 gcloud SDK。除了创建集群和运行 Jupiter notebook 之外，我还没有更改任何其他内容。我看到了一些与 .jar 文件有关的选项，但我不知道并且有任何 .jar 文件要指定或链接。我是新手，我们将不胜感激。请访问链接以查看脚本文件。我需要帮助才能在 Google 云平台上运行它。

Answer 1

您是否在 Dataproc 上运行此程序？如果是这样，您应该可以使用以下内容提交 pyspark 作业：

gcloud --project={YOUR_CLUSTERS_PROJECT} dataproc jobs submit pyspark \
{GCS_PATH_TO_JOB} \
--cluster {CLUSTER_NAME} \
-- {SPACE_DELIMITED_JOB_ARGUMENTS}

尽管如此，使用 pyspark jupyter 内核会阻止作业启动（即日志会说作业一遍又一遍地等待资源）。