如何在ipython或python中使用Spark

博客新址: http://blog.xuezhisd.top
邮箱：xuezhisd@126.com

---

如何在ipython中使用spark

• 说明：
  • spark 1.6.0
  • scala 2.10.5
  • spark安装路径是/usr/local/spark；已经在.bashrc中配置了SPARK_HOME环境变量。

##方法一

• /usr/local/spark/bin/pyspark默认打开的是python，而不是ipython。通过在pyspark文件中添加一行，来使用ipython打开。

  cp pyspark ipyspark
  vi ipyspark
  # 在最前面添加
  IPYTHON=1
  # 启动
  ipyspark
  

方法二：

• 通过为spark创建一个ipython 配置的方式实现。

  # 为spark创建一个ipython 配置
  ipython profile create spark
  # 创建启动配置文件
  cd ~/.config/ipython/profile_spark/startup
  vi 00-pyspark-setup.py
  

• 在00-pyspark-setup.py中添加如下内容：

  import os
  import sys
  # Configure the environment
  if 'SPARK_HOME' not in os.environ:
      os.environ['SPARK_HOME'] = '/srv/spark'
  # Create a variable for our root path
  SPARK_HOME = os.environ['SPARK_HOME']
  # Add the PySpark/py4j to the Python Path
  sys.path.insert(0, os.path.join(SPARK_HOME, "python", "pyspark"))
  sys.path.insert(0, os.path.join(SPARK_HOME, "python", "lib", "py4j-0.9-src.zip"))
  sys.path.insert(0, os.path.join(SPARK_HOME, "python"))
  

• 启动ipython

  ipython –profile spark
  

测试程序

• 在ipython中输入一下命令，如果下面的程序执行完后输出一个数字，说明正确。

  from pyspark import  SparkContext
  sc = SparkContext( 'local', 'pyspark')
  
  def isprime(n):
      """
      check if integer n is a prime
      """
      # make sure n is a positive integer
      n = abs(int(n))
      # 0 and 1 are not primes
      if n < 2:
          return False
      # 2 is the only even prime number
      if n == 2:
          return True
      # all other even numbers are not primes
      if not n & 1:
          return False
      # for all odd numbers
      for x in range(3, int(n**0.5)+1, 2):
          if n % x == 0:
              return False
      return True
  
  # Create an RDD of numbers from 0 to 1,000,000
  nums = sc.parallelize(xrange(1000000))
  # Compute the number of primes in the RDD
  print “Result: ”, nums.filter(isprime).count()
  

方法三

• 将上面的程序放入test.py文件，执行命令python test.py。发现错误。因为没有将pyspark路径加入PYTHONPATH环境变量。

• 在~/.bashrc或/etc/profile中添加如下内容:

  # python can call pyspark directly
  export PYTHONPATH=$SPARK_HOME/python:$SPARK_HOME/python/pyspark:$SPARK_HOME/python/lib/py4j-0.9-src.zip:$PYTHONPATH
  

• 执行如下命令：

  # 使配置生效
  source ~/.bashrc
  # 测试程序
  python test.py
  

• 此时，已经能够运行了。