0772-1.7.2-如何让CDSW的PySpark自动适配Python版本

2020-05-21

文档编写目的
在CDH集群中Spark2的Python环境默认为Python2 ， CDSW在启动Session时可以选择Engine Kernel版本Python2或者Python3 。当选择Python3启动Session时，开发PySpark作业在运行时会报“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” ，为解决Python版本适配的问题，需要进行如下调整来使我们的应用自动的适配Python版本。
集群部署多个Python版本
基于CDH提供的Anaconda Parcels包来安装Python ，通过在CDH集群同时安装两个Python版本的Parcel包来解决多个版本的问题。如果需要在Spark中默认的支持Python2或者Python3版本则激活相应版本的Parcel即可，在我的集群默认激活的为Python2版本的Parcel包，在接下来的操作主要介绍Python3的环境准备。

本文插图

Spark2默认使用的Python2环境变量

本文插图

1.Python2版本的Anaconda下载地址如下：
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下载地址如下：
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.将下载好的parcel包部署到集群的私有HTTP服务上

本文插图

4.使用管理员账号登录Cloudera Manager进入Parcel包管理界面配置Anaconda地址

本文插图

5.完成Parcel地址配置后完成对应版本Parcel包的下载分配即可

本文插图

上述操作不需要激活，在不激活的情况下PySpark默认使用的Python2环境，如果激活则使用的是Python3环境。
6.确认集群所有节点已存在Python2和Python3的环境
【0772-1.7.2-如何让CDSW的PySpark自动适配Python版本】
本文插图

CDSW自动为Spark适配Python版本
为了能让我们的Pyspark程序代码自动适配到不同版本的Python ，需要在我们的Spark代码初始化之前进行环境的初始化，在代码运行前增加如下代码实现适配不同版本的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'

本文插图

验证程序自动适配Python版本
1.选择Python2环境启动Session

推荐阅读

上一篇：强力筒夹倪工说配件｜直柄夹头C型弹性强力夹头

下一篇：迅雷潜望｜被罢黜的迅雷CEO陈磊：祸起打算关停软件和创始团队决裂