在SageMaker Studio中用PySpark读取S3 CSV时遇JAVA_HOME未设置错误

PySpark依赖Java运行时，SageMaker Studio部分自定义conda环境默认没配置JAVA_HOME，就会触发JAVA_HOME is not set和PySparkRuntimeError，以下是几种解决办法：

方法一：在Notebook临时设置环境变量 #

1. 先在Notebook单元格执行命令，找到系统里的Java路径：
   !update-alternatives --list java
2. 把找到的路径替换到下面代码里，设置环境变量：

import os
os.environ['JAVA_HOME'] = '/usr/lib/jvm/java-1.8.0-openjdk-amd64'  # 替换成实际路径
os.environ['PATH'] = os.environ['JAVA_HOME'] + '/bin:' + os.environ['PATH']

3. 重新初始化SparkSession：

from pyspark.sql import SparkSession
spark = SparkSession.builder.appName("CrimeInsights").getOrCreate()

方法二：永久配置JAVA_HOME到系统环境 #

1. 打开SageMaker Studio的终端，编辑~/.bashrc文件：
   nano ~/.bashrc
2. 在文件末尾添加以下内容（替换成实际Java路径）：

export JAVA_HOME=/usr/lib/jvm/java-1.8.0-openjdk-amd64
export PATH=$JAVA_HOME/bin:$PATH

3. 按Ctrl+O保存，Ctrl+X退出，然后执行命令生效：
   source ~/.bashrc
4. 重启Notebook内核，再运行Spark代码。

方法三：切换到SageMaker预构建的PySpark环境 #

SageMaker提供的Data Science镜像（比如Python 3 (Data Science)）默认自带Java和PySpark配置，直接切换内核即可：

• 点击Notebook右上角的"Kernel" -> "Change kernel"
• 选择带有PySpark的官方环境，重新运行代码。

内容的提问来源于stack exchange，提问作者rog_SARTHAK