在这里并不详细讲述spark的安装过程,默认已经配置完毕
首先第一步是安装pyspark,直接使用pip安装
在使用之前要确保SPARK_HOME环境变量已经配置好
接着启动pyspark有两种方法
方法一:命令行启动
首先启动spark,在命令行中输入以下命令,这样就能直接在jupyter中编辑环境变量了。
pyspark --master spark://127.0.0.1:7077 --num-executors 1 --total-executors-cores 1 --executor-memory 512m
PYSPARK_DRIVER_PYTHON=ipython
PYSPARK_DRIVER_PYTHON_OPTS='notebook' pyspark
使用这种方法可以在jupyter中编写,sc对象已经内置就不需要再import了
方法二:使用findspark
插入一句废话:要使用findspark记得先 pip install findspark
。
那么在编写代码前首先写下以下两句
import findspark
findspark.init()
实例代码
常见报错解决
1、如果是在findspark.init()
报错的话那么一般是没有设置SPARK_HOME环境变量,记得正确配置。
2、Py4JError:org.apache.spark.api.python.PythonUtils.isEncryptionEnabled does not exist in the JVM
这个问题困扰了我很长时间,如果在jdk、spark、Hadoop都已正确配置的前提下(正确配置的前提是可以在命令行中启动spark-shell),那么问题就出在pyspark的版本问题上。我的解决方案是回退pyspark的版本到2.3.2
分别输入以下命令即可
pip uninstall pyspark
pip install pyspark==2.3.2
想看更多?
想看更多内容可以关注以下公众号