findspark.init() IndexError: 列表索引超出范围错误

Posted 2023-04-14

【中文标题】findspark.init() IndexError: 列表索引超出范围错误

【英文标题】：findspark.init() IndexError: list index out of range error

【发布时间】：2017-07-02 14:04:08

【问题描述】：

在 Python 3.5 Jupyter 环境中运行以下命令时，出现以下错误。关于是什么原因造成的任何想法？

import findspark
findspark.init()

错误：

IndexError                                Traceback (most recent call
last) <ipython-input-20-2ad2c7679ebc> in <module>()
      1 import findspark
----> 2 findspark.init()
      3 
      4 import pyspark

/.../anaconda/envs/pyspark/lib/python3.5/site-packages/findspark.py in init(spark_home, python_path, edit_rc, edit_profile)
    132     # add pyspark to sys.path
    133     spark_python = os.path.join(spark_home, 'python')
--> 134     py4j = glob(os.path.join(spark_python, 'lib', 'py4j-*.zip'))[0]
    135     sys.path[:0] = [spark_python, py4j]
    136 

IndexError: list index out of range

【参考方案1】：

这很可能是由于您的系统上未正确设置 SPARK_HOME 环境变量。或者，您可以在初始化 findspark 时指定它，如下所示：

import findspark
findspark.init('/path/to/spark/home')

在那之后，它应该一切正常！

【讨论】：

这行得通，所以感谢您的解决方案！你能解释一下这两行是做什么的吗？

【参考方案2】：

我遇到了同样的错误，并且能够通过输入确切的安装目录使其工作：

import findspark
# Use this
findspark.init("C:\Users\PolestarEmployee\spark-1.6.3-bin-hadoop2.6")
# Test
from pyspark import SparkContext, SparkConf

基本上就是解压spark的目录。以后无论你在哪里看到spark_home 进入相同的安装目录。 我也尝试使用 toree 来创建内核，但它以某种方式失败了。内核将是更清洁的解决方案。

【讨论】：

对我来说，我必须使用“/”而不是“\”来使其工作，即 findspark.init("C:/Users/.....")。不知道为什么...

【参考方案3】：

您需要更新 bash_profile 中的 SPARK_HOME 变量。 对我来说，以下命令有效（在终端中）：

export SPARK_HOME="/usr/local/Cellar/apache-spark/2.2.0/libexec/"

在此之后，您可以使用以下命令：

import findspark
findspark.init('/usr/local/Cellar/apache-spark/2.2.0/libexec')

【讨论】：

从其他解决方案来看，这个解决方案似乎是多余的。您不必在两个地方都指定路径。

我也会这么想的。但是，在我的环境中，调用 findspark.init() 时仍然需要指定路径。

【参考方案4】：

也许这会有所帮助：

我发现 findspark.init() 试图在 .\spark-3.0.1-bin-hadoop2.7\bin\python\lib 中查找数据，但 python 文件夹位于 bin 文件夹之外。 我只是运行 findspark.init('.\spark-3.0.1-bin-hadoop2.7')，没有 '\bin' 文件夹