Pyspark上saveAsTextFile（）中命令字符串异常中的（null）条目

Question

我正在Windows 7的Jupyter笔记本（Python 2.7）上的PySpark中工作。我有一个RDD类型，pyspark.rdd.PipelinedRDD称为idSums。尝试执行时idSums.saveAsTextFile(“Output”)，出现以下错误：

Py4JJavaError: An error occurred while calling o834.saveAsTextFile.
: org.apache.spark.SparkException: Job aborted due to stage failure: Task 1 in stage 33.0 failed 1 times, most recent failure: Lost task 1.0 in stage 33.0 (TID 131, localhost): java.io.IOException: (null) entry in command string: null chmod 0644 C:\Users\seride\Desktop\Experiments\PySpark\Output\_temporary\0\_temporary\attempt_201611231307_0033_m_000001_131\part-00001

我认为RDD对象应该没有任何问题，因为我能够执行其他操作而不会出错，例如，执行idSums.collect()会产生正确的输出。

此外，将Output创建目录（包含所有子目录）并part-00001创建文件，但该文件为0字节。

Answer 1

您缺少 winutils.exe hadoop二进制文件。取决于x64位/ x32位系统下载winutils.exe文件并设置您的hadoop home指向它。

第一种方式：

1. 下载档案
2. hadoop在系统中创建文件夹，例如C:
3. bin在hadoop目录中创建文件夹，例如：C:\hadoop\bin
4. 粘贴winutils.exe在bin，例如：C:\hadoop\bin\winuitls.exe
5. 在系统属性的用户变量中->高级系统设置
   创建新的变量名称：HADOOP_HOME 路径：C:\hadoop\
   

第二种方式：

您可以使用以下命令在Java程序中直接设置hadoop home：

System.setProperty("hadoop.home.dir","C:\hadoop" );