Python 2.7 将本地IPython笔记本连接到带气隙群集上的Spark

我有一台用于日常工作的W7机器。我的公司在私有云上也有一个气隙Hadoop集群。我只能通过油灰接触云层。 当我想在集群上使用Spark时，我会启动putty，然后执行以下两项操作之一：

• 只要把pyspark从外壳上发射出去就行了
• 使用VNC访问集群上的RedHat GUI，然后在Spark模式下启动IPython notebook

有没有办法使用我的本地W7 IPython笔记本连接到Spark

---

在Daniel Darabos评论之后，进行一些尝试和错误编辑

我在我的W7机器上安装了Spark。 然后我创建了一个新的pyspark配置文件，并在下面更改了启动文件。 此时，我可以在本地启动Ipython，并成功地让它创建一个spark上下文。 当我跑步时：

sc.stop()
conf = SparkConf().setAppName('SPark Test').setMaster('localhost:7077')
sc = SparkContext(conf=conf)

然后我得到一个错误：

---------------------------------------------------------------------------
Py4JJavaError                             Traceback (most recent call last)
<ipython-input-15-1e8f5b112924> in <module>()
      1 sc.stop()
      2 conf = SparkConf().setAppName('SPark Test').setMaster('localhost:7077')
----> 3 sc = SparkContext(conf=conf)

C:\Spark\python\pyspark\context.pyc in __init__(self, master, appName, sparkHome, pyFiles, environment, batchSize, serializer, conf, gateway, jsc, profiler_cls)
    111         try:
    112             self._do_init(master, appName, sparkHome, pyFiles, environment, batchSize, serializer,
--> 113                           conf, jsc, profiler_cls)
    114         except:
    115             # If an error occurs, clean up in order to allow future SparkContext creation:

C:\Spark\python\pyspark\context.pyc in _do_init(self, master, appName, sparkHome, pyFiles, environment, batchSize, serializer, conf, jsc, profiler_cls)
    168 
    169         # Create the Java SparkContext through Py4J
--> 170         self._jsc = jsc or self._initialize_context(self._conf._jconf)
    171 
    172         # Create a single Accumulator in Java that we'll send all our updates through;

C:\Spark\python\pyspark\context.pyc in _initialize_context(self, jconf)
    222         Initialize SparkContext in function to allow subclass specific initialization
    223         """
--> 224         return self._jvm.JavaSparkContext(jconf)
    225 
    226     @classmethod

C:\Spark\python\lib\py4j-0.8.2.1-src.zip\py4j\java_gateway.py in __call__(self, *args)
    699         answer = self._gateway_client.send_command(command)
    700         return_value = get_return_value(answer, self._gateway_client, None,
--> 701                 self._fqn)
    702 
    703         for temp_arg in temp_args:

C:\Spark\python\pyspark\sql\utils.pyc in deco(*a, **kw)
     34     def deco(*a, **kw):
     35         try:
---> 36             return f(*a, **kw)
     37         except py4j.protocol.Py4JJavaError as e:
     38             s = e.java_exception.toString()

C:\Spark\python\lib\py4j-0.8.2.1-src.zip\py4j\protocol.py in get_return_value(answer, gateway_client, target_id, name)
    298                 raise Py4JJavaError(
    299                     'An error occurred while calling {0}{1}{2}.\n'.
--> 300                     format(target_id, '.', name), value)
    301             else:
    302                 raise Py4JError(

Py4JJavaError: An error occurred while calling None.org.apache.spark.api.java.JavaSparkContext.
: org.apache.spark.SparkException: Could not parse Master URL: 'localhost:7077'
    at org.apache.spark.SparkContext$.org$apache$spark$SparkContext$$createTaskScheduler(SparkContext.scala:2693)
    at org.apache.spark.SparkContext.<init>(SparkContext.scala:506)
    at org.apache.spark.api.java.JavaSparkContext.<init>(JavaSparkContext.scala:61)
    at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Method)
    at sun.reflect.NativeConstructorAccessorImpl.newInstance(Unknown Source)
    at sun.reflect.DelegatingConstructorAccessorImpl.newInstance(Unknown Source)
    at java.lang.reflect.Constructor.newInstance(Unknown Source)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:234)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)
    at py4j.Gateway.invoke(Gateway.java:214)
    at py4j.commands.ConstructorCommand.invokeConstructor(ConstructorCommand.java:79)
    at py4j.commands.ConstructorCommand.execute(ConstructorCommand.java:68)
    at py4j.GatewayConnection.run(GatewayConnection.java:207)
    at java.lang.Thread.run(Unknown Source)

---------------------------------------------------------------------------
Py4JJavaError回溯（最近一次调用）
在（）
1 sc.停止（）
2 conf=SparkConf（）.setAppName（'SPark Test'）.setMaster（'localhost:7077'））
---->3 sc=SparkContext（conf=conf）
C:\Spark\python\pyspark\context.pyc在uuuu init_uuu中（self、master、appName、sparkHome、pyFiles、environment、batchSize、serializer、conf、gateway、jsc、profiler\u cls）
111尝试：
112 self.\u do\u init（主程序、appName、sparkHome、pyFiles、环境、batchSize、序列化程序、，
-->113形态、jsc、探查器（cls）
114除：
115#如果发生错误，请清理以允许将来创建SparkContext：
_do_init中的C:\Spark\python\pyspark\context.pyc（self、master、appName、sparkHome、pyFiles、environment、batchSize、serializer、conf、jsc、profiler\u cls）
168
169#通过Py4J创建Java SparkContext
-->170 self.\u jsc=jsc或self.\u初始化上下文（self.\u conf.\u jconf）
171
172#用Java创建一个累加器，我们将通过它发送所有更新；
C:\Spark\python\pyspark\context.pyc在初始化上下文（self，jconf）中
222在函数中初始化SparkContext以允许子类特定的初始化
223         """
-->224返回self._jvm.JavaSparkContext（jconf）
225
226@classmethod
C:\Spark\python\lib\py4j-0.8.2.1-src.zip\py4j\java\u gateway.py在调用中（self，*args）
699 answer=self.\u gateway\u client.send\u命令（command）
700返回值=获取返回值（应答，自。\网关\客户端，无，
-->701自我评价（fqn）
702
703对于临时参数中的临时参数：
C:\Spark\python\pyspark\sql\utils.pyc in deco（*a，**kw）
34 def装饰（*a，**千瓦）：
35尝试：
--->36返回f（*a，**kw）
37除py4j.protocol.Py4JJavaError为e外：
38 s=e.java_exception.toString（）
C:\Spark\python\lib\py4j-0.8.2.1-src.zip\py4j\protocol.py在get\u return\u值中（应答、网关\u客户端、目标\u id、名称）
298 raise Py4JJavaError(
299'调用{0}{1}{2}时出错。\n'。
-->300格式（目标id，，，，名称），值）
301其他：
302升起Py4JError(
Py4JJavaError：调用None.org.apache.spark.api.java.JavaSparkContext时出错。
：org.apache.spark.sparkeexception:无法分析主URL:'localhost:7077'
位于org.apache.spark.SparkContext$.org$apache$spark$SparkContext$$createTaskScheduler（SparkContext.scala:2693）
位于org.apache.spark.SparkContext（SparkContext.scala:506）
位于org.apache.spark.api.java.JavaSparkContext（JavaSparkContext.scala:61）
位于sun.reflect.NativeConstructorAccessorImpl.newInstance0（本机方法）
位于sun.reflect.NativeConstructorAccessorImpl.newInstance（未知源）
位于sun.reflect.delegatingConstructor或AccessorImpl.newInstance（未知源）
位于java.lang.reflect.Constructor.newInstance（未知源）
位于py4j.reflection.MethodInvoker.invoke（MethodInvoker.java:234）
位于py4j.reflection.ReflectionEngine.invoke（ReflectionEngine.java:379）
在py4j.Gateway.invoke处（Gateway.java:214）
位于py4j.commands.ConstructorCommand.invokeConstructor（ConstructorCommand.java:79）
在py4j.commands.ConstructorCommand.execute处（ConstructorCommand.java:68）
在py4j.GatewayConnection.run处（GatewayConnection.java:207）
位于java.lang.Thread.run（未知源）

使用PuTTY创建一个SSH隧道，将本地端口（例如

7077

）转发到Spark主机（例如

Spark主机：7077

）。然后在本地IPython笔记本中使用本地端口（

spark://localhost:7077

）作为Spark master的地址。

谢谢。我已经在PuTTY中创建了一个到服务器名称：4040的隧道，并按照教程在W7上安装Spark。我一定是做错了什么，因为我可以连接到本地Spark，但不能连接到群集。请参阅对我的问题的编辑。您需要

spark://localhost:7077

，而不仅仅是

localhost:7077

。我编辑了我的答案，以澄清这一点。