在pyspark中创建graphframe时出错

Question

我正在尝试运行下面的代码，在本地安装的pyspark中创建graphframe。但我犯了个错误。我使用的是spark-2.4.0-bin-hadoop2.7版本。

from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
#spark = SparkSession.builder.appName('fun').getOrCreate()
vertices = spark.createDataFrame([('1', 'Carter', 'Derrick', 50), 
                                  ('2', 'May', 'Derrick', 26),
                                 ('3', 'Mills', 'Jeff', 80),
                                  ('4', 'Hood', 'Robert', 65),
                                  ('5', 'Banks', 'Mike', 93),
                                 ('98', 'Berg', 'Tim', 28),
                                 ('99', 'Page', 'Allan', 16)],
                                 ['id', 'name', 'firstname', 'age'])
edges = spark.createDataFrame([('1', '2', 'friend'), 
                               ('2', '1', 'friend'),
                              ('3', '1', 'friend'),
                              ('1', '3', 'friend'),
                               ('2', '3', 'follows'),
                               ('3', '4', 'friend'),
                               ('4', '3', 'friend'),
                               ('5', '3', 'friend'),
                               ('3', '5', 'friend'),
                               ('4', '5', 'follows'),
                              ('98', '99', 'friend'),
                              ('99', '98', 'friend')],
                              ['src', 'dst', 'type'])
g = GraphFrame(vertices, edges)

我得到以下错误。

Answer 1

您可以通过执行以下步骤来解决错误：

1）根据您使用的Spark版本从下面下载图形框架jar（例如0.7.0-Spark2.4-s_2.11，因为您使用的是Spark 2.4版本）

https://spark-packages.org/package/graphframes/graphframes

2） 将下载的graphframes jar添加到您的spark jar中，例如$spark\u HOME/jars

3） 首次启动带参数的pyspark，以便下载所有graphframe的jars依赖项：

e、 g.在Windows机器中，可以使用命令提示符启动

$SPARK\u HOME/bin/pyspark--包graphframes:graphframes:0.7.0-spark2.4-s\u 2.11

4）在从图形框导入运行图形命令之前发出以下命令*

以上步骤将解决您的问题

Answer 2

以下内容似乎对我有用。

1. 下载。jar文件https://spark-packages.org/package/graphframes/graphframes
2. 因为我在Anaconda上运行了pyspark，所以我添加了。jar文件到该路径，/anaconda3/lib/python3.7/site-packages/pyspark/jars以及其他路径。jar文件
3. 然后，下面的脚本似乎起作用了

# Ref: https://stackoverflow.com/a/50404308/9331359
from pyspark import SparkContext
context = SparkContext()
context.addPyFile('/anaconda3/lib/python3.7/site-packages/pyspark/jars/graphframes-0.7.0-spark2.4-s_2.11.jar')
context


# Ref: https://stackoverflow.com/a/55430066/9331359
from pyspark.sql.session import SparkSession
spark = SparkSession(context)

from pyspark.sql.types import *
from graphframes import *