Was ist der Unterschied zwischen spark-submit und pyspark?
Wenn ich pyspark starte und dann diesen Befehl ausführe:
import my_script; spark = my_script.Sparker(sc); spark.collapse('./data/')
Alles ist A-ok. Wenn ich jedoch versuche, dasselbe über die Kommandozeile und mit Spark-Submit zu tun, erhalte ich eine Fehlermeldung:
Command: /usr/local/spark/bin/spark-submit my_script.py collapse ./data/
File "/usr/local/spark/python/pyspark/rdd.py", line 352, in func
return f(iterator)
File "/usr/local/spark/python/pyspark/rdd.py", line 1576, in combineLocally
merger.mergeValues(iterator)
File "/usr/local/spark/python/pyspark/shuffle.py", line 245, in mergeValues
for k, v in iterator:
File "/.../my_script.py", line 173, in _json_args_to_arr
js = cls._json(line)
RuntimeError: uninitialized staticmethod object
my_script:
...
if __name__ == "__main__":
args = sys.argv[1:]
if args[0] == 'collapse':
directory = args[1]
from pyspark import SparkContext
sc = SparkContext(appName="Collapse")
spark = Sparker(sc)
spark.collapse(directory)
sc.stop()
Warum passiert dies? Was ist der Unterschied zwischen Pyspark und Spark Submit, der diese Divergenz verursachen würde? Und wie kann ich diese Arbeit in Spark-Submit machen?
EDIT: Ich habe versucht, dies von der Bash-Shell aus auszuführen, indem ichpyspark my_script.py collapse ./data/
und ich habe den gleichen Fehler bekommen. Alles funktioniert nur, wenn ich mich in einer Python-Shell befinde und das Skript importiere.