以腳本spark_clean_online_action.py、數據集new_sxf_time_count_1781115582.csv為例： 集群節點包括212、216、217、218。需要注意的是：
- 每台節點有且僅有Python 2.7.5 和Python 2.6.8 兩個環境 完成相關依賴安裝
1、上傳待處理文件到HDFS
2、Pyspark默認調用的是Python 2.7.5 解釋器，所以需更改調用版本，每個節點執行： export PYSPARK_PYTHON=/usr/local/python3/bin/python3
3、spark2-submit --driver-memory 1g --num-executors 4 --executor-cores 10 --master yarn --deploy-mode client spark_clean_online_action.py
或者不執行2和3，僅執行：
4、spark2-submit --driver-memory 1g --num-executors 4 --executor-cores 10 --master yarn --deploy-mode client --conf spark.yarn.appMasterEnv.PYSPARK_PYTHON=/usr/local/python3/bin/python3 spark_clean_online_action.py
版本
- pandas==0.20.3
- pyspark==2.3.0
- pyarrow==0.12.1