安装pyspark步骤过程

一，首先检查java环境的安装

二，打开pycharm，点击左上角File选中Settings，找到图片显示的位置，根据划线的绝对路径，打开自己电脑上的对应位置，然后cmd进入终端，进行下载。

 

 

 

三，PySpark库的安装

输入如下中的其中一个（我一般用第二个下载，比较快）

pip install pyspark==3.3.1

或者

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyspark==3.3.1

下载完提示要update的话，直接复制提示给的命令，直接下载

四，配置本机Spark环境

1，将hadoop-3.3.1放到一个指定的目录，比如D:\spark\hadoop-3.3.1

2. 将hadoop.dll放到C:\Windows\System32目录下

3. 配置hadoop环境变量：将hadoop的安装路径，如：D:\spark\hadoop-3.3.1，放到path变量中

4. 将winutils.exe放到hadoop的bin目录下

五，Spark环境准备

使用Spark前必须完成两个操作：

设置Spark的配置信息

创建Spark工具对象

代码示例

# 导包

from pyspark import SparkConf, SparkContext

import os

os.environ['JAVA_HOME']="C:/java/jdk18" #jdk的安装路径

os.environ['SPARK_LOCAL_IP']='127.0.0.1' # 设置当前主机

os.environ["PYSPARK_PYTHON"] = "D:/python/python.exe" # 指定spark运行时，使用的Python解释器（必

须指定，否则执行数据分析时，会报错）

# 1. 创建Spark入口对象

# Spark配置信息的设置：主机和设置Spark工具的名字

conf = SparkConf().setMaster("local[*]").setAppName("spark_test")

# 创建Spark入口对象，即SparkContext对象

sc = SparkContext(conf=conf)

# 2. 使用Spark工具执行操作--- 获取Spark的版本

print(sc.version)

#3. 停止Spark程序

sc.stop()

注意！！！导包那三个路径需要修改（下图划线处）

成功如下