spark2.x由浅入深深到底系列五之python开发spark环境配置

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了spark2.x由浅入深深到底系列五之python开发spark环境配置相关的知识,希望对你有一定的参考价值。

学习spark任何的技术前,请先正确理解spark,可以参考: 正确理解spark


以下是在mac操作系统上配置用python开发spark的环境


一、安装python

spark2.2.0需要python的版本是Python2.6+ 或者 Python3.4+


可以参考: 

http://jingyan.baidu.com/article/7908e85c78c743af491ad261.html 


二、下载spark编译包并配置环境变量


1、在官网中: http://spark.apache.org/downloads.html 下载版本为:spark-2.2.0-bin-hadoop2.6.tgz包

放到本地的某个盘中,然后解压。



2、设置环境变量:

cd ~

vi .bash_profile


export SPARK_HOME=/Users/tangweiqun/Desktop/bigdata/spark/spark-2.2.0-bin-hadoop2.6

export PATH=$PATH:$SCALA_HOME/bin:$M2_HOME/bin:$JAVA_HOME/bin:$SPARK_HOME/bin


source .bash_profile


3、需要对SPARK_HOME下的bin目录下的文件执行chmod 744 ./*,否则会报权限不足的错误

Window机器应该不用做这步



三、安装PyCharm

1、从官网: https://www.jetbrains.com/pycharm/download/中下载,然后傻瓜式安装



四、编写wordcount.py并运行成功


1、创建一个project

file --> New Project


2、给PyCharm配置PYTHONPATH

Run --> Edit Configurations,配置如下

技术分享

技术分享

技术分享

点上面的“+”,然后填上: 

PYTHONPATH=/Users/tangweiqun/Desktop/bigdata/spark/spark-2.1.0-bin-hadoop2.6/python/:/Users/tangweiqun/Desktop/bigdata/spark/spark-2.1.0-bin-hadoop2.6/python/lib/py4j-0.10.4-src.zip

即将spark安装包中和python相关的依赖加上

3、py4j-some-version.zippyspark.zip加入到项目中

为了能看到源码,我们需要将项目关联源码,关联的方式如下:

技术分享

技术分享

点击+ Add Content Root将/Users/tangweiqun/Desktop/bigdata/spark/spark-2.1.0-bin-hadoop2.6/python/lib下的两个zip包加进去


4、编写spark word count,然后运行成功

创建一个python文件wordcount.py,内容如下:

from pyspark import SparkContext, SparkConf

import os
import shutil

if __name__ == "__main__":
    conf = SparkConf().setAppName("appName").setMaster("local")
    sc = SparkContext(conf=conf)

    sourceDataRDD = sc.textFile("file:///Users/tangweiqun/test.txt")

    wordsRDD = sourceDataRDD.flatMap(lambda line: line.split())

    keyValueWordsRDD = wordsRDD.map(lambda s: (s, 1))

    wordCountRDD = keyValueWordsRDD.reduceByKey(lambda a, b: a + b)

    outputPath = "/Users/tangweiqun/wordcount"
    if os.path.exists(outputPath):
        shutil.rmtree(outputPath)

    wordsRDD.saveAsTextFile("file://" + outputPath)

    print wordCountRDD.collect()

右击运行成功



详细且系统的了解spark core RDD相关的Api可以参考:spark core RDD api原理详解

以上是关于spark2.x由浅入深深到底系列五之python开发spark环境配置的主要内容,如果未能解决你的问题,请参考以下文章

spark2.x由浅入深深到底系列六之RDD java api详解二

spark2.x由浅入深深到底系列六之RDD java api详解四

spark2.x由浅入深深到底系列六之RDD java api详解三

spark2.x由浅入深深到底系列六之RDD java api详解一

spark2.x由浅入深深到底系列六之RDD 支持java8 lambda表达式

spark2.x由浅入深深到底系列六之RDD java api调用scala api的原理