Spark Python提交错误：文件不存在：pyspark.zip

Posted 2023-02-16

【中文标题】Spark Python提交错误：文件不存在：pyspark.zip

【英文标题】：Spark Python submission error : File does not exist: pyspark.zip

【发布时间】：2016-01-06 11:59:07

【问题描述】：

我正在尝试在 yarn-cluster 模式下提交 python spark 应用程序。

Seq(System.getenv("SPARK_HOME")+"/bin/spark-submit","--master",sparkConfig.getString("spark.master"),"--executor-memory",sparkConfig.getString("spark.executor-memory"),"--num-executors",sparkConfig.getString("spark.num-executors"),"python/app.py") ! 

我收到以下错误，

诊断：文件不存在： hdfs://xxxxxx:8020/user/hdfs/.sparkStaging/application_123456789_0138/pyspark.zip java.io.FileNotFoundException：文件不存在： hdfs://xxxxxx:8020/user/hdfs/.sparkStaging/application_123456789_0138/pyspark.zip

我找到https://issues.apache.org/jira/browse/SPARK-10795

但是票还开着呢！

【参考方案1】：

当您尝试使用部署模式“集群”触发提交作业并且您尝试将主服务器设置为“本地”时，会发生这种情况；例如

val sparkConf = new SparkConf().setAppName("spark-pi-app").setMaster("local[10]");

您有两个选择： 选项1： 将上面的行更改为：

val sparkConf = new SparkConf().setAppName("spark-pi-app");

并提交您的工作

./bin/spark-submit --master yarn --deploy-mode cluster --driver-memory 512m --executor-memory 512m --executor-cores 1 --num-executors 3 --jars hadoop-common-version.jar,hadoop-lzo-version.jar --verbose --queue hadoop-queue --class "SparkPi" sparksbtproject_2.11-1.0.jar

选项 #2：使用部署模式作为“客户端”提交您的工作

./bin/spark-submit --master yarn --deploy-mode client --driver-memory 512m --executor-memory 512m --executor-cores 1 --num-executors 3 --jars hadoop-common-version.jar,hadoop-lzo-version.jar --verbose --queue hadoop-queue --class "SparkPi" sparksbtproject_2.11-1.0.jar

【参考方案2】：

根据我对 scala 作业的经验，我发现当代码尝试在某处 setMaster("local") 时，yarn-cluster 集群模式会出现此错误。 请尝试删除对设置本地“master”的任何引用。

再次，我的回答是基于 scala 行为，但希望这会有所帮助。

【参考方案3】：

您是否未能创建适当的火花上下文？我怀疑这是问题所在。我也更新了https://issues.apache.org/jira/browse/SPARK-10795

【参考方案4】：

尝试将HDFS名称节点属性添加到yarn-site.xml：

<property>
  <name>fs.defaultFS</name>
  <value>hdfs://your-name-hode-host-port:8989</value>
</property>

确保 YARN_CONF_DIR 环境变量指向 yarn-site.xml 的目录

【讨论】：

yarn-site 中不存在该属性。这是核心站点

【参考方案5】：

我在这里回答了这个问题https://***.com/a/55457870/3357812。对我来说，关键是 spark.hadoop.fs.defaultFS 必须在 Python 的 SparkConf 中设置。

yarn_conf = SparkConf().setAppName(_app_name) \
                    .setMaster("yarn") \
                    .set("spark.executor.memory", "4g") \
                    .set("spark.hadoop.fs.defaultFS", "hdfs://:8020".format(_fs_host)) \
                    .set("spark.hadoop.yarn.resourcemanager.hostname", _rm_host)\
                    .set("spark.hadoop.yarn.resourcemanager.address", ":8050".format(_rm_host))

【参考方案6】：

必须设置 HADOOP_CONF_DIR 变量，以便 spark 可以找到此文件。

export HADOOP_CONF_DIR=$HADOOP_HOME/etc/hadoop

在 $SPARK_HOME/conf/spark-env.sh 中设置