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
技术分享图片

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

技术分享图片

找到pycharm sitepackage目录
技术分享图片

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
技术分享图片

安装 py4j
技术分享图片

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

Python执行spark程序配置

Hadoop/Spark开发环境配置

在这个 spark 代码片段中 ordering.by 是啥意思?

使用 Python 代码片段编写 LaTeX 文档

CDH 中为spark 安装 python3