Spark 异常：worker 中的 Python 版本 3.4 与驱动程序 3.5 中的版本不同

Posted 2023-04-15

【中文标题】Spark 异常：worker 中的 Python 版本 3.4 与驱动程序 3.5 中的版本不同

【英文标题】：Spark Exception: Python in worker has different version 3.4 than that in driver 3.5

【发布时间】：2016-08-13 19:16:54

【问题描述】：

我使用的是 Amazon EC2，我的主服务器和开发服务器合二为一。我还有一个单个工人的实例。

我是新手，但我设法让 spark 在独立模式下工作。现在我正在尝试集群。 master 和 worker 处于活动状态（我可以看到它们的 webUI 并且它们正在运行）。

我有 Spark 2.0，并安装了 Python 3.5.2 附带的最新 Anaconda 4.1.1。在worker和master中，如果我去pyspark并执行os.version_info，我将得到3.5.2，我还正确设置了所有环境变量（如***和google的其他帖子中所见）（例如，PYSPARK_PYTHON） .

反正没有 3.4 版本的 python。所以我想知道如何解决这个问题。

我通过运行以下命令得到错误：

rdd = sc.parallelize([1,2,3])
rdd.count()    

count() 方法发生错误：

16/08/13 18:44:31 ERROR Executor: Exception in task 1.0 in stage 2.0 (TID 17)
org.apache.spark.api.python.PythonException: Traceback (most recent call last):
  File "/opt/spark/python/lib/pyspark.zip/pyspark/worker.py", line 123, in main
    ("%d.%d" % sys.version_info[:2], version))
Exception: Python in worker has different version 3.4 than that in driver 3.5, PySpark cannot run with different minor versions

at org.apache.spark.api.python.PythonRunner$$anon$1.read(PythonRDD.scala:193)
at org.apache.spark.api.python.PythonRunner$$anon$1.<init>(PythonRDD.scala:234)
at org.apache.spark.api.python.PythonRunner.compute(PythonRDD.scala:152)
at org.apache.spark.api.python.PythonRDD.compute(PythonRDD.scala:63)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:319)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:283)
at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:70)
at org.apache.spark.scheduler.Task.run(Task.scala:85)
at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:274)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
at java.lang.Thread.run(Thread.java:745)
16/08/13 18:44:31 ERROR Executor: Exception in task 1.1 in stage 2.0 (TID 18)
org.apache.spark.api.python.PythonException: Traceback (most recent call last):
  File "/opt/spark/python/lib/pyspark.zip/pyspark/worker.py", line 123, in main
    ("%d.%d" % sys.version_info[:2], version))
Exception: Python in worker has different version 3.4 than that in driver 3.5, PySpark cannot run with different minor versions
at org.apache.spark.api.python.PythonRunner$$anon$1.read(PythonRDD.scala:193)
at org.apache.spark.api.python.PythonRunner$$anon$1.<init>(PythonRDD.scala:234)
at org.apache.spark.api.python.PythonRunner.compute(PythonRDD.scala:152)
at org.apache.spark.api.python.PythonRDD.compute(PythonRDD.scala:63)
at org.apache.spark.rdd.RDD.computeOrReadCheckpoint(RDD.scala:319)
at org.apache.spark.rdd.RDD.iterator(RDD.scala:283)
at org.apache.spark.scheduler.ResultTask.runTask(ResultTask.scala:70)
at org.apache.spark.scheduler.Task.run(Task.scala:85)
at org.apache.spark.executor.Executor$TaskRunner.run(Executor.scala:274)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1142)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:617)
at java.lang.Thread.run(Thread.java:745)

【参考方案1】：

由于您已经使用 Anaconda，您可以简单地使用所需的 Python 版本创建一个环境：

conda create --name foo python=3.4
source activate foo

python --version
## Python 3.4.5 :: Continuum Analytics, Inc

并将其用作PYSPARK_DRIVER_PYTHON:

export PYSPARK_DRIVER_PYTHON=/path/to/anaconda/envs/foo/bin/python

【讨论】：

没用。我在驱动程序和主机上都这样做了，我可以在我的 ssh 窗口的每一行的开头看到 (foo)，所以它正在做它应该做的事情。但错误仍然保持不变。

它现在通过做一些不同的事情来工作。我使用您的建议在 master 和 worker 上使用 python 3.5 创建了一个 foo 环境。这并没有解决问题。但是，现在，我只在 master 上创建了一个 3.4 的环境（因为它似乎认为 slave 是 3.4），并且一切都很好。所以如果没有办法让worker被识别为3.5，我会把这个问题作为解决方案。

【参考方案2】：

我也遇到了同样的问题。有几个可能的原因：

你的一个工人有 python3.4，但你没有注意到它。请到每个工人那里检查PYSPARK_PYTHON。也就是如果你设置了PYSPARK_PYTHON=python3，去每个worker里输入python3，查看版本。

您连接到错误的工作人员。检查您的 SparkContext 配置并确定您的工人是什么。

我花了十多个小时才找到与您相同的问题。但对我来说根本原因是错误的连接.... TAT