安装pyspark库
from pyspark import SparkConf, SparkContext
创建sparkconf类对象,链式调用
conf = SparkConf().setMaster("local[*]").setAppName("test_spark_app")
基于sparkConf类对象创建SparkContext对象(入口对象)
sc = SparkContext(conf=conf)
打印pyspark版本号
print(sc.version)
停止sparkContext对象的运行
sc.stop()
通过pyspark代码加载数据,即数据输入
通过parallelize方法将python对象加载到spark内,成为RDD对象
# 导包
from pyspark import SparkConf, SparkContext
conf = SparkConf().setMaster("local[*]").setAppName("test_spark")
sc = SparkContext(conf=conf)
# 通过parallelize方法将python对象加载到spark内,成为RDD对象
rdd_1 = sc.parallelize([1, 2, 3, 4])
rdd_2 = sc.parallelize((1, 2, 3, 4))
rdd_3 = sc.parallelize({1, 2, 3, 4})
rdd_4 = sc.parallelize("123,ads")
rdd_5 = sc.parallelize({"key_1": "value_1", "key_2": "value_2"})
# 查看RDD内容,需使用collect()方法
print(rdd_1.collect())
print(rdd_2.collect())
print(rdd_3.collect())
print(rdd_4.collect())
print(rdd_5.collect())
# 停止spark
sc.stop()
用textFile方法,读取文件数据,加载到spark内,成为RDD对象
"""
通过pyspark代码加载数据,即数据输入
"""
# 导包
from pyspark import SparkConf, SparkContext
conf = SparkConf().setMaster("local[*]").setAppName("test_spark")
sc = SparkContext(conf=conf)
# 用textFile方法,读取文件数据,加载到spark内,成为RDD对象
rdd = sc.textFile("D:/abc.txt")
print(rdd.collect())
# 停止spark
sc.stop()