findspark.init() IndexError: list index out of range error

Question

当 运行 在 Python 3.5 Jupyter 环境中执行以下操作时，出现以下错误。关于造成它的原因有什么想法吗？

import findspark
findspark.init()

错误：

IndexError                                Traceback (most recent call
last) <ipython-input-20-2ad2c7679ebc> in <module>()
      1 import findspark
----> 2 findspark.init()
      3 
      4 import pyspark

/.../anaconda/envs/pyspark/lib/python3.5/site-packages/findspark.py in init(spark_home, python_path, edit_rc, edit_profile)
    132     # add pyspark to sys.path
    133     spark_python = os.path.join(spark_home, 'python')
--> 134     py4j = glob(os.path.join(spark_python, 'lib', 'py4j-*.zip'))[0]
    135     sys.path[:0] = [spark_python, py4j]
    136 

IndexError: list index out of range

Answer 1

这很可能是由于 SPARK_HOME 环境变量未在您的系统上正确设置。或者，您可以在初始化 findspark 时指定它，如下所示：

import findspark
findspark.init('/path/to/spark/home')

之后，应该一切正常！

Answer 2

我遇到了同样的错误，并且能够通过输入确切的安装目录使其正常工作：

import findspark
# Use this
findspark.init("C:\Users\PolestarEmployee\spark-1.6.3-bin-hadoop2.6")
# Test
from pyspark import SparkContext, SparkConf

Basically, it is the directory where spark was extracted. In future where ever you see spark_home enter the same installation directory. I also tried using toree to create a kernal instead, but it is failing somehow. A kernal would be a cleaner solution.

Answer 3

您需要更新 bash_profile 中的 SPARK_HOME 变量。 对我来说，以下命令有效（在终端中）：

export SPARK_HOME="/usr/local/Cellar/apache-spark/2.2.0/libexec/"

在此之后，您可以使用以下命令：

import findspark
findspark.init('/usr/local/Cellar/apache-spark/2.2.0/libexec')

Answer 4

也许这会有所帮助：

我发现 findspark.init() 尝试在 .\spark-3.0.1-bin-hadoop2.7\bin\python\lib 中查找数据，但 python 文件夹在 bin 之外文件夹。 我只是 运行 findspark.init('.\spark-3.0.1-bin-hadoop2.7'), 没有 '\bin' 文件夹