PyCharm搭建Spark開發環境的實現步驟
1.安裝好JDK
下載並安裝好jdk-12.0.1_windows-x64_bin.exe,配置環境變數:
- 新建系統變數JAVA_HOME,值為Java安裝路徑
- 新建系統變數CLASSPATH,值為 .;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;(注意最前面的圓點)
- 配置系統變數PATH,新增 %JAVA_HOME%bin;%JAVA_HOME%jrebin
在CMD中輸入:java或者java -version,不顯示不是內部命令等,說明安裝成功。
2.安裝Hadoop,並配置環境變數
下載hadoop:https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz
- 解壓hadoop-2.7.7.tar.gz特定路徑,如:D:\adasoftware\hadoop
- 新增系統變數HADOOP_HOME:D:\adasoftware\hadoop
- 在系統變數PATH中新增:D:\adasoftware\hadoop\bin
- 安裝元件winutils:將winutils中對應的hadoop版本中的bin替換自己hadoop安裝目錄下的bin
3.Spark環境變數配置
spark是基於hadoop之上的,執行過程中會呼叫相關hadoop庫,如果沒配置相關hadoop執行環境,會提示相關出錯資訊,雖然也不影響執行。
- 下載對應hadoop版本的spark:http://spark.apache.org/downloads.html
- 解壓檔案到:D:\adasoftware\spark-2.4.3-bin-hadoop2.7
- 新增PATH值:D:\adasoftware\spark-2.4.3-bin-hadoop2.7\bin;
- 新建系統變數SPARK_HOME:D:\adasoftware\spark-2.4.3-bin-hadoop2.7;
4.下載安裝anaconda
anaconda集成了python直譯器和大多數python庫,安裝anaconda 後不用再安裝python和pandas numpy等這些元件了。下載地址。最後將python加到path環境變數中。
5.在CMD中執行pyspark,出現類似下圖說明安裝配置正常:
出現這種warning是因為JDK版本為12,太高了,但是不影響執行。沒有影響。
6.在pycharm中配置spark
開啟PyCharm,建立一個Project。然後選擇“Run” ->“Edit Configurations”–>點選+建立新的python Configurations
選擇 “Environment variables” 增加SPARK_HOME目錄與PYTHONPATH目錄。
- SPARK_HOME:Spark安裝目錄
- PYTHONPATH:Spark安裝目錄下的Python目錄
選擇 File->setting->你的project->project structure
右上角Add content root新增:py4j-some-version.zip和pyspark.zip的路徑(這兩個檔案都在Spark中的python資料夾下)
儲存即可
7.測試是否配置成功,程式程式碼如下,建立一個python程式放進去就可以:
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)
若程式正常輸出: "Successfully imported Spark Modules"就說明環境已經可以正常執行。
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。