在Google Colab上创建sparkContext时给出：` RuntimeError：Java网关进程在发送端口号之前退出`

Question

以下是成功安装的依赖项。

!apt-get install openjdk-8-jre
!apt-get install scala
!pip install py4j
!wget -q https://downloads.apache.org/spark/spark-2.4.8/spark-2.4.8-bin-hadoop2.7.tgz
!tar xf spark-2.4.8-bin-hadoop2.7.tgz
!pip install -q findspark

现在创建火花上下文：

# Setting up environment variables
import os
os.environ["JAVA_HOME"] = "/usr/lib/jvm/java-8-openjdk-amd64"
os.environ["SPARK_HOME"] = "/content/spark-2.4.8-bin-hadoop2.7"
# export PYSPARK_SUBMIT_ARGS ="--master local[2]"

# Importing and initating spark
import findspark
findspark.init()
from pyspark.sql import SparkSession
spark = SparkSession.builder.master("local[*]").appName("Test Setup").getOrCreate()
sc = spark.sparkContext

我收到以下错误：

运行时错误：Java网关进程在发送端口号之前退出

请注意，这是一个colab笔记本。任何形式的帮助都会很好。

Answer 1

您可以使用PyPI安装Pyspark作为替代：

对于Python用户，PySpark还提供了PyPI的pip安装。这通常用于本地使用或作为客户端连接到集群，而不是设置集群本身。

%pip install pyspark==2.4.8
!apt-get install openjdk-8-jdk-headless -qq > /dev/null

from pyspark.sql import SparkSession

spark = SparkSession.builder\
        .master("local[*]")\
        .appName("Test Setup")\
        .getOrCreate()

在Google Colab笔记本中测试：