Jupyter配置Spark开发环境

Posted 2020-08-13 xdl刘涛

兄弟连大数据培训和大家一起探究Jupyter配置

Spark

开发环境

简介

　　为Jupyter配置Spark开发环境，可以安装全家桶–Spark Kernel或Toree，也可按需安装相关组件。

　　考虑到一般人更喜欢一步到位，并且Toree将会代替Spark Kernel，故直接且仅需安装Toree即可，不过下面还是给出了所有的安装方法。

　　Spark Kernel的安装

　　参照Spark Kernel支持的语言，安装好Spark Kernel后，其默认可以支持Scala，Python，R，SQL，对应的Spark实现分别是Scala with Spark，Python with PySpark，R With SparkR，Spark SQL。

　　参照上述链接，要切换语言时，只需简单的在语句前面加上%%scala/%%pyspark即可。当然，什么都不加时，默认语言为Scala。

　　另外，启动Jupyter后，可直接在http://localhost:4040/jobs/监控所有作业。

　　Spark Kernel(旧的项目)

　　参照下面的安装步骤进行即可，就是有些繁琐。

　　Getting Started with theSpark Kernel

　　Guide to Integrating theSpark Kernel with Jupyter

　　Toree(新项目)

　　根据Spark Kernel的介绍，自从Spark Kernel变成Apache的孵化项目后，其最新仓库已经 迁移到了incubator-toree。

　　安装时，参照Quick Start What isApache Toree ，仅需两条命令即可完成安装。

　　pip install toree

　　jupyter toree install--spark_home=your-spark-home12

　　值得注意的是:

　　Toree虽然还在孵化中，但已经能完成上述Spark Kernel的全部功能，即可支持PySpark，Spark SQL等。

　　该kernel安装在/usr/local/share/jupyter/kernels/apache_toree_scala目录下

　　Spark组件单独安装

　　除了安装上面的方法安装Spark的全家桶外，还可以按需对各组件进行安装。

　　Scala Kernel的安装

　　参照jupyter-scala安装即可。

　　PySpark的安装

　　PySpark: How to install andIntegrate with the Jupyter Notebook

　　Integrate Apache Spark withlatest IPython Notebook (Jupyter 4.x)

　　Running Spark ApplicationsUsing IPython and Jupyter Notebooks