python 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python spark环境配置相关的知识,希望对你有一定的参考价值。
1、下载如下
放在D盘
添加 SPARK_HOME = D:spark-2.3.0-bin-hadoop2.7。
- 并将 %SPARK_HOME%/bin 添加至环境变量PATH。
- 然后进入命令行,输入pyspark命令。若成功执行。则成功设置环境变量
找到pycharm sitepackage目录
右键点击即可进入目录,将上面D:spark-2.3.0-bin-hadoop2.7里面有个/python/pyspark目录拷贝到上面的 sitepackage目录
安装 py4j
试验如下代码:
from __future__ import print_function
import sys
from operator import add
import os
# Path for spark source folder
os.environ[‘SPARK_HOME‘] = "D:spark-2.3.0-bin-hadoop2.7"
# Append pyspark to Python Path
sys.path.append("D:spark-2.3.0-bin-hadoop2.7python")
sys.path.append("D:spark-2.3.0-bin-hadoop2.7pythonlibpy4j-0.9-src.zip")
from pyspark import SparkContext
from pyspark import SparkConf
if __name__ == ‘__main__‘:
inputFile = "D:Harry.txt"
outputFile = "D:Harry1.txt"
sc = SparkContext()
text_file = sc.textFile(inputFile)
counts = text_file.flatMap(lambda line: line.split(‘ ‘)).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)
counts.saveAsTextFile(outputFile)
计算成功即可
以上是关于python 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五之python开发spark环境配置