一、准备工作
上一篇博文已经对Spark的安装已经做了很详细的描述,接下来在上一篇博文的基础上对Spark的Python版本的部署做进一步描述。该篇博文假设已经成功执行以下过程:
1、机器上已经成功安装Python 2.7.x或者3.4.x以上的版本
2、机器上已经成功安装Spark
如果您已经成功做完上述工作,接下便可以执行以下步骤。
二、开始部署
1、在机器上启动pyspark(在Spark安装目录下)
启动master
#sbin/start-master.sh
启动slaves
#sbin/start-slaves.sh
打开pyspark
#bin/pyspark
出现以下界面说明Spark安装成功,pyspark解释器可以正常运行。
有时候pyspark并不能满足我们编程的要求,这时候就需要把pyspark模块添加到Python中。
2、Python中使用pyspark
(1)检测是否已经加载pyspark模块
在任意位置输入python,然后输入import pyspark ,若出现以下界面则说明未加载pyspark模块。
(2)添加pyspark到Python的寻找目录当中
编辑/etc/profile文件,在文件的末尾添加
#pythonpath 将spark中的pyspark模块添加到python中
export PYTHONPATH=/user-software/spark-2.0.0-bin-hadoop2.6/python
保存并更新profile文件
#source profile
这样在Python中引入pyspark时便可以找到该模块
(3)移动py4j
由于python需要去调用Java的库,所以在$SPARK_HOME/python/下需要添加一个py4j的文件夹。在$SPARK_HOME/python/lib目录下可以找到一个py4j-0.9-src.zip的压缩包,将其解压放到
$SPARK_HOME/python/目录下。
(4)测试
这时在任意位置输入python,然后输入import pyspark ,没有出现任何提示说明加载pyspark模块成功。
这时便可以在任何地方编写关于pyspark的.py文件。