PySpark初始化SparkSession报Java gateway process exited运行时错误

这个报错的核心是PySpark拉起的Java网关进程启动失败提前退出，没有返回通信端口，结合你的代码和环境，按出现概率排序有以下几个触发点：

• 代码中存在空的.config()调用：SparkSession.Builder.config()方法要求至少传入配置键值对或者SparkConf对象，无参调用在多数PySpark版本中会触发参数解析错误，直接中断Java进程启动
• Java版本不兼容：PySpark 3.x 系列仅支持Java 8、11、17三个LTS版本，安装Java 18及以上高版本时会出现兼容性故障
• 环境变量配置异常：即使本地安装了Java，若未正确配置JAVA_HOME环境变量，或Path中没有加入JDK的bin目录，PySpark会找不到Java执行入口
• findspark路径定位错误：调用findspark.init()未指定PySpark安装路径时，若自动检索到的路径存在权限不足、文件损坏问题，也会导致进程启动失败

按以下顺序逐一排查即可解决：

1. 首先修正代码错误，删除无参的.config()调用，初始化代码可参考如下写法，local[*]代表使用本地所有CPU核心运行，比单线程的local模式性能更好：

import findspark
findspark.init()
from pyspark.sql import SparkSession

spark = SparkSession \
    .builder \
    .appName("CustomerChurn") \
    .master("local[*]") \
    .getOrCreate()

2. 校验Java版本与环境变量
   打开终端执行java -version、javac -version两个命令，确认返回的大版本号是8、11、17中的一个，若版本不符合要求，卸载当前JDK后安装对应适配版本即可。
   同时确认系统环境变量中JAVA_HOME指向JDK的安装根目录（不是JRE目录，也不是bin目录），且JDK的bin目录已经加入系统Path变量。
3. 若上述步骤执行后仍报错，可在代码最开头手动指定环境变量，强制PySpark读取对应路径，注意替换成你本地的实际安装路径：

import os
# Windows路径示例，Mac/Linux对应替换为自己的JDK安装路径
os.environ["JAVA_HOME"] = "C:/Program Files/Java/jdk1.8.0_401"
# 若findspark定位路径错误，也可手动指定PySpark安装路径
findspark.init("C:/Users/xxx/anaconda3/envs/CustomerChurnProject/lib/site-packages/pyspark")

4. 最后可以临时关闭Windows Defender或者其他杀毒软件的实时防护，部分安全软件会拦截PySpark拉起的Java子进程，导致进程意外退出。

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