pyspark 集成指定python版本

1.制作python环境
1）可以使用anacoda方式创建虚拟环境，或者自己利用自己安装好得python环境进行打包。打包之前使用pip安装好自己需要使用得python 模块。
2）打包
进入到python 得安装目录如下图是到bin 级别目录下，然后使用zip进行打包
zip -r py3.zip ./*

3)打包好后将打好得zip 包上传至hdfs(目录自己指定，最好放在自己的用用户目录防止被删除)
hadoop dfs -put py3.zip /tmp/spark_py/

2.提交说明
2.1提交参数说明：
archives hdfs:/tmp/spark_py/py3.zip#py3 这个是指定hdfs打包的python环境路径，这里注意 #py3 这个必须要有这个是表示解压后的路径，一般应该是解压在用户目录下，名称自己定义。

spark.pyspark.python=./py3/bin/python3.7 这个参数是指定driver与executor端python使用的路径（cluster模式下driver与executor端路径相同），这里的路径前缀是上面#后面定义的名称(注意这里是相对路径)。

spark.pyspark.driver.python=/opt/anaconda3/envs/py3/bin/python3.7 这个是指定driver端python路径

2.2提交方式
2.2.1 client方式：
需要同时指定driver端与executor端路径
spark-submit --master yarn
–deploy-mode client
–num-executors=2
–executor-memory=4g
–executor-cores=1
–driver-memory=4g
–conf spark.pyspark.python=./py3/bin/python3.7
–conf spark.pyspark.driver.python=/opt/anaconda3/envs/py3/bin/python3.7
–archives hdfs:/tmp/spark_py/py3.zip#py3 demo.py

2.2.2 cluster方式：
去除driver端路径即可
spark-submit --master yarn
–deploy-mode cluster
–num-executors=2
–executor-memory=4g
–executor-cores=1
–driver-memory=4g
–conf spark.pyspark.python=./py3/bin/python3.7
–archives hdfs:/tmp/spark_py/py3.zip#py3 demo.py