将pyspark中的Python模块运送到其他节点

Question

如何将C编译模块（例如python-
Levenshtein）运送到Spark集群中的每个节点？

我知道我可以使用独立的Python脚本（以下示例代码）在Spark中运送Python文件：

from pyspark import SparkContext
sc = SparkContext("local", "App Name", pyFiles=['MyFile.py', 'MyOtherFile.py'])

但是在没有“ .py”的情况下，我该如何运送模块？

Answer 1

如果可以将模块打包到.egg或.zip文件中，则在pyFiles构造SparkContext时应该可以将其列出（或者以后可以通过sc.addPyFile进行添加）。

对于使用setuptools的Python库，您可以运行python setup.py bdist_egg以构建egg发行版。

另一种选择是通过在每台计算机上使用pip / easy_install或通过在群集范围内的文件系统（如NFS）上共享Python安装来在群集范围内安装库。