怎么讓CDSW的PySpark自動(dòng)適配Python版本

今天就跟大家聊聊有關(guān)怎么讓CDSW的PySpark自動(dòng)適配Python版本，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

在CDH集群中Spark2的Python環(huán)境默認(rèn)為Python2，CDSW在啟動(dòng)Session時(shí)可以選擇Engine Kernel版本Python2或者Python3。當(dāng)選擇Python3啟動(dòng)Session時(shí)，開(kāi)發(fā)PySpark作業(yè)在運(yùn)行時(shí)會(huì)報(bào)“Python in worker has different version 2.7 than that in driver 3.6, PySpark cannot run with different minor versions.Please check environment variables PYSPARK_PYTHON and PYSPARK_DRIVER_PYTHON are correctly set”，為解決Python版本適配的問(wèn)題，需要進(jìn)行如下調(diào)整來(lái)使我們的應(yīng)用自動(dòng)的適配Python版本。

基于CDH提供的Anaconda Parcels包來(lái)安裝Python，通過(guò)在CDH集群同時(shí)安裝兩個(gè)Python版本的Parcel包來(lái)解決多個(gè)版本的問(wèn)題。如果需要在Spark中默認(rèn)的支持Python2或者Python3版本則激活相應(yīng)版本的Parcel即可，在我的集群默認(rèn)激活的為Python2版本的Parcel包，在接下來(lái)的操作主要介紹Python3的環(huán)境準(zhǔn)備。

Spark2默認(rèn)使用的Python2環(huán)境變量

1.Python2版本的Anaconda下載地址如下：

https://repo.anaconda.com/pkgs/misc/parcels/Anaconda-2019.07-el7.parcel
https://repo.anaconda.com/pkgs/misc/parcels/Anaconda-2019.07-el7.parcel.sha
https://repo.anaconda.com/pkgs/misc/parcels/manifest.json

2.Python3版本的Anaconda下載地址如下：

https://repo.anaconda.com/pkgs/misc/parcels/archive/Anaconda-5.1.0.1-el7.parcel
https://repo.anaconda.com/pkgs/misc/parcels/archive/Anaconda-5.1.0.1-el7.parcel.sha
https://repo.anaconda.com/pkgs/misc/parcels/archive/manifest.json

3.將下載好的parcel包部署到集群的私有HTTP服務(wù)上

4.使用管理員賬號(hào)登錄Cloudera Manager進(jìn)入Parcel包管理界面配置Anaconda地址

5.完成Parcel地址配置后完成對(duì)應(yīng)版本Parcel包的下載分配即可

上述操作不需要激活，在不激活的情況下PySpark默認(rèn)使用的Python2環(huán)境，如果激活則使用的是Python3環(huán)境。

6.確認(rèn)集群所有節(jié)點(diǎn)已存在Python2和Python3的環(huán)境

為了能讓我們的Pyspark程序代碼自動(dòng)適配到不同版本的Python，需要在我們的Spark代碼初始化之前進(jìn)行環(huán)境的初始化，在代碼運(yùn)行前增加如下代碼實(shí)現(xiàn)適配不同版本的Python。

import os
py_environ=os.environ['CONDA_DEFAULT_ENV']
if py_environ=='python2.7':
  os.environ['PYSPARK_PYTHON'] = '/opt/cloudera/parcels/Anaconda/bin/python'
else:
  os.environ['PYSPARK_PYTHON'] = '/opt/cloudera/parcels/Anaconda-5.1.0.1/bin/python'

1.選擇Python2環(huán)境啟動(dòng)Session

2.運(yùn)行PySpark作業(yè)測(cè)試正常運(yùn)行

3.選擇Python3環(huán)境啟動(dòng)Session

4.運(yùn)行PySpark作業(yè)測(cè)試正常運(yùn)行

在集群中同時(shí)部署多個(gè)版本的Python，通過(guò)在Pyspark代碼中使用Python命令動(dòng)態(tài)的指定PYSPARK_PYTHON為我們需要的Python環(huán)境即可。

看完上述內(nèi)容，你們對(duì)怎么讓CDSW的PySpark自動(dòng)適配Python版本有進(jìn)一步的了解嗎？如果還想了解更多知識(shí)或者相關(guān)內(nèi)容，請(qǐng)關(guān)注億速云行業(yè)資訊頻道，感謝大家的支持。