ModuleNotFoundError:没有名为“graphframes”的模块

Question

我想用pyspark运行graphframes。

我找到了这个answer，并按照它的说明操作，但它不起作用。

这是我的代码hello_spark.py

import pyspark

conf = pyspark.SparkConf().set("spark.driver.host", "127.0.0.1")
sc = pyspark.SparkContext(master="local", appName="myAppName", conf=conf)
sc.addPyFile("/opt/spark/jars/spark-graphx_2.12-3.0.2.jar")

from graphframes import *

当我使用此命令运行时：

spark-submit hello_spark.py 

它返回以下错误：

from graphframes import *
ModuleNotFoundError: No module named 'graphframes'

这是我的.bashrc配置：

# For Spark setup
export SPARK_HOME=/opt/spark

export PATH=$PATH:$SPARK_HOME/bin:$SPARK_HOME/sbin

export PYSPARK_PYTHON=/usr/bin/python3

export SPARK_LOCAL_IP=localhost

export SPARK_OPTS="--packages graphframes:graphframes:0.8.1-spark3.0-s_2.12"

我的spark: 3.0.2版本，scala: 2.12.10。

我使用以下命令安装了graphframes：

pyspark --packages graphframes:graphframes:0.8.1-spark3.0-s_2.12

有人知道怎么解决这个问题吗？谢谢。

Answer 1

我发现如果我使用这个命令，它将会工作：

spark-submit hello_spark.py --packages graphframes:graphframes:0.8.1-spark3.0-s_2.12 

您应该注意到，您必须为pyspark安装一些依赖项，如numpy

File "<frozen zipimport>", line 259, in load_module
  File "/opt/spark/python/lib/pyspark.zip/pyspark/ml/param/__init__.py", line 26, in <module>
ModuleNotFoundError: No module named 'numpy'

因此，我只需将PYSPARK_PYTHON路径更改为我的miniconda环境。

export PYSPARK_PYTHON=/home/username/miniconda3/envs/pyenv/bin/python

您可以通过激活环境路径并运行which命令来找到它：

(base) username@user:~$ conda activate pyenv
(pyenv) username@user:~$ which python
/home/username/miniconda3/envs/pyenv/bin/python