ModuleNotFoundError, поскольку сериализатор PySpark не может найти папку библиотеки - PullRequest
Новая
       42

ModuleNotFoundError, поскольку сериализатор PySpark не может найти папку библиотеки

0 голосов
/ 20 декабря 2018

У меня следующая структура папок 

 - libfolder
    - lib1.py
    - lib2.py
 - main.py

main.py, звонки libfolder.lib1.py, которые затем вызывают libfolder.lib2.py и другие.

Все это прекрасно работает на локальном компьютере, но после развертывания его на Dataproc я получаю следующую ошибку 

File "/usr/lib/spark/python/lib/pyspark.zip/pyspark/serializers.py", line 455, in loads
return pickle.loads(obj, encoding=encoding)
ModuleNotFoundError: No module named 'libfolder'

Я сжал папку в xyz.zip и выполнил следующую команду:

spark-submit --py-files=xyz.zip main.py

Сериализатору не удалось найти местоположение для libfolder.Есть ли проблема с тем, как я упаковываю свои папки?

Эта проблема похожа на эту , но на нее нет ответа.

Редактировать: ответ на вопросы Игоря

unzip -l для файла zip возвращает следующее 

 - libfolder
    - lib1.py
    - lib2.py
 - main.py

В main.py lib1.py вызывается с этим оператором импорта 

from libfolder import lib1

Ответы [ 2 ]

0 голосов
/ 02 января 2019

Для меня работает запись py-файлов в кавычках.

spark2-submit --master yarn --verbose --deploy-mode client --py-files "dependencies.zip" $HOME/jobs/master/etl_master.py

Также запомните порядок аргументов, я бы порекомендовал сначала добавить --verbose после того, как отправить сновазадание и посмотрите в журнале, чтобы найти аргументы, передаваемые вашей программой на сервер.

0 голосов
/ 21 декабря 2018

Это сработало для меня: 

$ cat main.py

from pyspark import SparkContext, SparkConf

from subpkg import sub

conf = SparkConf().setAppName("Shell Count")
sc = SparkContext(conf = conf)

text_file = sc.textFile("file:///etc/passwd")
counts = text_file.map(lambda line: sub.map(line)) \
    .map(lambda shell: (shell, 1)) \
    .reduceByKey(lambda a, b: sub.reduce(a, b))

counts.saveAsTextFile("hdfs:///count5.txt")

$ cat subpkg/sub.py

def map(line):
  return line.split(":")[6]

def reduce(a, b):
  return a + b

$ unzip -l /tmp/deps.zip 
Archive:  /tmp/deps.zip
  Length      Date    Time    Name
---------  ---------- -----   ----
        0  2019-01-07 14:22   subpkg/
        0  2019-01-07 13:51   subpkg/__init__.py
       79  2019-01-07 14:13   subpkg/sub.py
---------                     -------
       79                     3 files


$ gcloud dataproc jobs submit pyspark --cluster test-cluster main.py --py-files deps.zip
Job [1f0f15108a4149c5942f49513ce04440] submitted.
Waiting for job output...
Hello world!
Job [1f0f15108a4149c5942f49513ce04440] finished successfully.
...