配置pyspark环境

环境搭建
jdk 1.8配置 https://www.cnblogs.com/nojacky/p/9497724.html
安装spark以及hadoop https://zhuanlan.zhihu.com/p/103465541
python 环境3.7

报错
pyspark在windows下java.net.SocketException: Connection reset by peer 错误
解决方案:
https://blog.csdn.net/dongtest/article/details/84829602

pyspark在windows加载数据集 训练模型出现 以下错误
java.net.SocketException: Connection reset by peer: socket write error
at java.net.SocketOutputStream.socketWrite0(Native Method)
at java.net.SocketOutputStream.socketWrite(SocketOutputStream.java:113)

在stackoverflow.com上找到的解决办法
修改spark/python/pyspark目录下worker.py文件
修改 def process():为以下内容

    def process():
        iterator = deserializer.load_stream(infile)
        serializer.dump_stream(func(split_index, iterator), outfile)
        for obj in iterator:
            pass

然后将pyspark目录打包为zip 替换掉spark/python/lib/目录下对应的pyspark.zip文件

配置PySpark之前,您需要确保已经正确配置Java环境。以下是配置Java环境的步骤: 1. 下载Java Development Kit(JDK):访问Oracle官方网站,下载适用于您操作系统的JDK版本。确保选择与您操作系统和计算机架构(32位或64位)相匹配的版本。 2. 安装JDK:运行JDK安装程序,并按照提示进行安装。安装完成后,Java将被安装在默认目录中。 3. 配置环境变量:在Windows操作系统中,右键单击“我的计算机”(或“此电脑”),选择“属性”,然后点击“高级系统设置”。在弹出的窗口中,点击“环境变量”按钮。在“系统变量”部分,找到名为“Path”的变量,并点击“编辑”按钮。在变量值的末尾添加Java安装目录的路径(例如:C:\Program Files\Java\jdk1.8.0_221\bin)。点击“确定”保存更改。 4. 验证Java安装:打开命令提示符(Windows键+R,输入cmd并按Enter键),输入“java -version”命令。如果成功显示Java版本信息,则表示Java环境已经正确配置。 完成了Java环境配置后,您可以开始配置PySpark环境。以下是配置PySpark环境的步骤: 1. 安装Python:如果您还没有安装Python,请访问Python官方网站,下载并安装适用于您操作系统的Python版本。 2. 安装PySpark:使用pip命令安装PySpark。在命令提示符中运行以下命令: ``` pip install pyspark ``` 3. 配置环境变量:在Windows操作系统中,右键单击“我的计算机”(或“此电脑”),选择“属性”,然后点击“高级系统设置”。在弹出的窗口中,点击“环境变量”按钮。在“系统变量”部分,点击“新建”按钮。输入变量名为“SPARK_HOME”,变量值为PySpark安装目录的路径(例如:C:\spark)。点击“确定”保存更改。 4. 验证PySpark安装:打开命令提示符,输入“pyspark”命令。如果成功启动PySpark的交互式Shell,则表示PySpark环境已经正确配置
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值