使用 MLlib 时出现 NumPy 异常，即使安装了 Numpy

Question

这是我要执行的代码：

from pyspark.mllib.recommendation import ALS
iterations=5
lambdaALS=0.1
seed=5L
rank=8
model=ALS.train(trainingRDD,rank,iterations, lambda_=lambdaALS, seed=seed)

当我运行依赖于numpy的model=ALS.train(trainingRDD,rank,iterations, lambda_=lambdaALS, seed=seed)命令时，Spark使用的Py4Java库抛出以下消息：

Py4JJavaError: An error occurred while calling o587.trainALSModel.
: org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 67.0 failed 4 times, most recent failure: Lost task 0.3 in stage 67.0 (TID 195, 192.168.161.55): org.apache.spark.api.python.PythonException: Traceback (most recent call last):
  File "/home/platform/spark/python/lib/pyspark.zip/pyspark/worker.py", line 98, in main
    command = pickleSer._read_with_length(infile)
  File "/home/platform/spark/python/lib/pyspark.zip/pyspark/serializers.py", line 164, in _read_with_length
    return self.loads(obj)
  File "/home/platform/spark/python/lib/pyspark.zip/pyspark/serializers.py", line 421, in loads
    return pickle.loads(obj)
  File "/home/platform/spark/python/lib/pyspark.zip/pyspark/mllib/__init__.py", line 27, in <module>
Exception: MLlib requires NumPy 1.4+

NumPy 1.10 已安装在错误消息中所述的计算机上。此外，在我的 Jupyter notebook 中直接执行以下命令时，我得到了 1.9.2 版： import numpy numpy.version.version

我显然运行正在使用早于 1.4 的 NumPy 版本，但我不知道在哪里。我如何知道我需要在哪台机器上更新我的 NumPy 版本？

Answer 1

您似乎安装了两个版本的 numpy，而 pyspark 正在导入旧版本。要确认这一点，您可以执行以下操作：

import numpy
print numpy.__version__
print numpy.__path__

这可能会给您 1.9.2 及其路径。现在这样做：

import pyspark
print pyspark.numpy.__version__
print pyspark.numpy.__path__

它是否从另一个路径加载了不同的 numpy？如果是，删除它很可能会解决问题。

Answer 2

这是 Mllib 初始化代码中的错误

import numpy
if numpy.version.version < '1.4':
    raise Exception("MLlib requires NumPy 1.4+")

“1.10”小于“1.4” 你可以使用 NumPy 1.9.2 .

如果您必须使用 NumPy 1.10 并且不想升级到 spark 1.5.1。对代码进行手动更新。 https://github.com/apache/spark/blob/master/python/pyspark/mllib/init.py

使用 MLlib 时出现 NumPy 异常，即使安装了 Numpy

NumPy exception when using MLlib even though Numpy is installed

python

numpy

apache-spark

pyspark

apache-spark-mllib