如何在同一个Spark项目中同时使用Scala和Python?

是否可以将Spark RDD传递给Python

因为我需要一个python库来对我的数据进行一些计算,但我的主要Spark项目是基于Scala的.
有没有办法混合它们或让python访问相同的火花上下文?

解决方法:

您确实可以使用Scala和Spark以及常规Python脚本来管理python脚本.

test.py

#!/usr/bin/python

import sys

for line in sys.stdin:
  print "hello " + line

火花壳(斯卡拉)

val data = List("john","paul","george","ringo")

val dataRDD = sc.makeRDD(data)

val scriptPath = "./test.py"

val pipeRDD = dataRDD.pipe(scriptPath)

pipeRDD.foreach(println)

产量

你好约翰

你好

你好乔治

你好保罗

上一篇:python – 如何在PySpark中处理数据之前在所有Spark工作程序上运行函数?


下一篇:python – spark-submit和pyspark有什么区别?