189 8069 5689

PyCharm搭建Spark开发环境的实现步骤-创新互联

1.安装好JDK

创新互联公司提供成都网站制作、成都做网站、外贸营销网站建设、网页设计，品牌网站制作，一元广告等致力于企业网站建设与公司网站制作，10余年的网站开发和建站经验,助力企业信息化建设，成功案例突破上千余家,是您实现网站建设的好选择.

下载并安装好jdk-12.0.1_windows-x64_bin.exe，配置环境变量：

  • 新建系统变量JAVA_HOME，值为Java安装路径
  • 新建系统变量CLASSPATH，值为 .;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;（注意最前面的圆点）
  • 配置系统变量PATH，添加 %JAVA_HOME%bin;%JAVA_HOME%jrebin

在CMD中输入：java或者java -version，不显示不是内部命令等，说明安装成功。

2.安装Hadoop，并配置环境变量

下载hadoop：https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz

PyCharm搭建Spark开发环境的实现步骤

  • 解压hadoop-2.7.7.tar.gz特定路径，如：D:\adasoftware\hadoop
  • 添加系统变量HADOOP_HOME：D:\adasoftware\hadoop
  • 在系统变量PATH中添加：D:\adasoftware\hadoop\bin
  • 安装组件winutils：将winutils中对应的hadoop版本中的bin替换自己hadoop安装目录下的bin

3.Spark环境变量配置

spark是基于hadoop之上的，运行过程中会调用相关hadoop库，如果没配置相关hadoop运行环境，会提示相关出错信息，虽然也不影响运行。

  • 下载对应hadoop版本的spark：http://spark.apache.org/downloads.html
  • 解压文件到：D:\adasoftware\spark-2.4.3-bin-hadoop2.7
  • 添加PATH值：D:\adasoftware\spark-2.4.3-bin-hadoop2.7\bin;
  • 新建系统变量SPARK_HOME：D:\adasoftware\spark-2.4.3-bin-hadoop2.7;

4.下载安装anaconda

anaconda集成了python解释器和大多数python库，安装anaconda 后不用再安装python和pandas numpy等这些组件了。下载地址。最后将python加到path环境变量中。

5.在CMD中运行pyspark，出现类似下图说明安装配置正常：

PyCharm搭建Spark开发环境的实现步骤

出现这种warning是因为JDK版本为12，太高了，但是不影响运行。没有影响。

6.在pycharm中配置spark

打开PyCharm，创建一个Project。然后选择“Run” ->“Edit Configurations”–>点击+创建新的python Configurations

PyCharm搭建Spark开发环境的实现步骤

选择 “Environment variables” 增加SPARK_HOME目录与PYTHONPATH目录。

  • SPARK_HOME:Spark安装目录
  • PYTHONPATH:Spark安装目录下的Python目录

PyCharm搭建Spark开发环境的实现步骤

选择 File->setting->你的project->project structure

右上角Add content root添加：py4j-some-version.zip和pyspark.zip的路径（这两个文件都在Spark中的python文件夹下）

保存即可

7.测试是否配置成功，程序代码如下，创建一个python程序放进去就可以：

import os
import sys

# Path for spark source folder
os.environ['SPARK_HOME'] = "D:\adasoftware\spark"

# Append pyspark to Python Path
sys.path.append("D:\adasoftware\spark\python")

try:
 from pyspark import SparkContext
 from pyspark import SparkConf

 print("Successfully imported Spark Modules")
except ImportError as e:
 print("Can not import Spark Modules", e)
 sys.exit(1)

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。


文章标题：PyCharm搭建Spark开发环境的实现步骤-创新互联
文章来源：http://jkwzsj.com/article/djohpc.html

其他资讯