Apache spark PySpark SparkContext名称错误'；sc&x27；在jupyter

我是pyspark的新手，想在我的Ubuntu 12.04机器上使用pyspark和Ipython笔记本。以下是pyspark和Ipython笔记本电脑的配置

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

登录到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>
>>>

在浏览器中，如果键入以下命令，则会引发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

[]中的

：打印sc
---------------------------------------------------------------------------
NameError回溯（最近一次呼叫上次）
在（）
---->1份打印sc
NameError:未定义名称“sc”

当我在pyspark终端中运行上述命令时，它输出所需的输出，但当我在jupyter中运行相同的命令时，它抛出上述错误

以上是pyspark和Ipython的配置设置。

---

如何使用jupyter配置pyspark？

这里有一个解决方法，我建议您尝试不依赖

pyspark

来为您加载上下文：-

从安装findspark python包

pip install findspark

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

 $CONDA_PYTHON_EXE -m pip install findspark

然后只需导入并初始化sparkcontext：-

import findspark
findspark.init()
import os

import pyspark # import pyspark only after findspark

print(sc)
print(spark)

---

参考资料：

这里有一个解决方法，我建议您在不依赖

pyspark

的情况下尝试为您加载上下文：-

从安装findspark python包

pip install findspark

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

 $CONDA_PYTHON_EXE -m pip install findspark

然后只需导入并初始化sparkcontext：-

import findspark
findspark.init()
import os

import pyspark # import pyspark only after findspark

print(sc)
print(spark)

---

参考资料：

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}' 
] }

和保存（ctr+X，y）

您现在应该在jupyter内核中有“pyspark”

现在，您的笔记本中已经存在sc或者其他sc（尝试在单元格中调用sc），或者尝试运行以下行：

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

---

您现在应该让您的sc运行

嗨，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}' 
] }

和保存（ctr+X，y）

您现在应该在jupyter内核中有“pyspark”

现在，您的笔记本中已经存在sc或者其他sc（尝试在单元格中调用sc），或者尝试运行以下行：

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

---

您现在应该让您的sc运行

简单的建议是不要使pyspark安装复杂化

对于版本>2.2，您可以执行一个简单的

pip安装pyspark

来安装pyspark软件包。
此外，如果您也想安装jupyter，请为jupyter执行另一个pip安装。

pip安装pyspark
pip安装jupyter

或者，如果您想为spark使用其他版本或特定发行版，则较早的

3分钟
方法为：
简单的建议是不要使pyspark的安装复杂化

对于版本>2.2，您可以执行一个简单的
pip安装pyspark
来安装pyspark软件包。

此外，如果您也想安装jupyter，请为jupyter执行另一个pip安装。

pip安装pyspark
pip安装jupyter

或者，如果您想为spark使用其他版本或特定发行版，则较早的
3分钟
方法为：