У меня эта ошибка в записной книжке Jupyter под управлением Python 3.6.5 и в моей оболочке Python под управлением 3.7.2.Моя ОС - Windows 10. Я установил pip-инсталляцию pyspark в обеих средах.Оба используют Spark версии 2.4.0, и мой Java JDK - Oracle JDK версии 8, jdk1.8.0_201.Это код, который я использую в обоих случаях:
>>> from pyspark import SparkConf, SparkContext
>>> conf = SparkConf().setAppName("app")
>>> sc = SparkContext(conf=conf)
>>> import os
>>> os.chdir("C:/Users/theca/Desktop/school_folders/Big Data")
>>> data = sc.textFile("post_codes.txt")
>>> data.take(1)
Я использовал JRE версии 8, я подтвердил JAVA_HOME:
C:\Python\Python37\Scripts>echo %JAVA_HOME%
C:\ProgramData\Oracle\Java\javapath\java.exe
Я переключился на JDK, думая, что это решит проблему:
C:\Program Files\Java\jdk1.8.0_201>setx JAVA_HOME "C:\Program Files\Java\jdk1.8.0_201"
SUCCESS: Specified value was saved.
C:\Program Files\Java\jdk1.8.0_201>setx PATH "%PATH%;%JAVA_HOME%\bin";
WARNING: The data being saved is truncated to 1024 characters.
Я вышел из cmd и вернулся, проверив мой дом Java:
C:\WINDOWS\system32>echo %JAVA_HOME%
C:\Program Files\Java\jdk1.8.0_201
Я попробовал решения здесь: PySpark исключение: Javaпроцесс шлюза завершился перед отправкой своего номера порта
и здесь: Pyspark: определение SparkContext в Spyder вызывает ошибку шлюза Java
, а также несколько других ответов вмне интересно, если мне понадобится использовать более раннюю версию spark?Вот полное сообщение об ошибке:
Traceback (most recent call last):
File "<pyshell#9>", line 1, in <module>
data.take(1)
File "C:\Python\Python37\lib\site-packages\pyspark\rdd.py", line 1327, in take
totalParts = self.getNumPartitions()
File "C:\Python\Python37\lib\site-packages\pyspark\rdd.py", line 391, in getNumPartitions
return self._jrdd.partitions().size()
File "C:\Python\Python37\lib\site-packages\py4j\java_gateway.py", line 1257, in __call__
answer, self.gateway_client, self.target_id, self.name)
File "C:\Python\Python37\lib\site-packages\py4j\protocol.py", line 328, in get_return_value
format(target_id, ".", name), value)
py4j.protocol.Py4JJavaError: An error occurred while calling o20.partitions.
: org.apache.hadoop.mapred.InvalidInputException: Input path does not exist: file:/C:/Python/Python37/post_codes.txt
at org.apache.hadoop.mapred.FileInputFormat.singleThreadedListStatus(FileInputFormat.java:287)
at org.apache.hadoop.mapred.FileInputFormat.listStatus(FileInputFormat.java:229)
at org.apache.hadoop.mapred.FileInputFormat.getSplits(FileInputFormat.java:315)
at org.apache.spark.rdd.HadoopRDD.getPartitions(HadoopRDD.scala:204)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:253)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:251)
at scala.Option.getOrElse(Option.scala:121)
at org.apache.spark.rdd.RDD.partitions(RDD.scala:251)
at org.apache.spark.rdd.MapPartitionsRDD.getPartitions(MapPartitionsRDD.scala:49)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:253)
at org.apache.spark.rdd.RDD$$anonfun$partitions$2.apply(RDD.scala:251)
at scala.Option.getOrElse(Option.scala:121)
at org.apache.spark.rdd.RDD.partitions(RDD.scala:251)
at org.apache.spark.api.java.JavaRDDLike$class.partitions(JavaRDDLike.scala:61)
at org.apache.spark.api.java.AbstractJavaRDDLike.partitions(JavaRDDLike.scala:45)
at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:62)
at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
at java.lang.reflect.Method.invoke(Method.java:498)
at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:244)
at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:357)
at py4j.Gateway.invoke(Gateway.java:282)
at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:132)
at py4j.commands.CallCommand.execute(CallCommand.java:79)
at py4j.GatewayConnection.run(GatewayConnection.java:238)
at java.lang.Thread.run(Thread.java:748)