pyspark 学习笔记——pyspark安装

其实我很不理解Hadoop与pyspark的关系,网上也看了很多相关教程,但是感觉对自己没多少用处,先不管了,先学pyspark吧,之后吧自然语言处理学好之后再说吧,还要学pytorch与tensorflow,好多东西,慢慢学呗

安装

Windows

需要安装文件

  1. anaconda

  2. java

  3. apache spark

  4. winutils.exe

anaconda

我之前有篇文章写了如何安装anaconda:https://blog.csdn.net/qq_39309652/article/details/103770927

java

java 安装应该有很多教程,有时间了自己也会写一篇

Apache spark

转到官网下载页面https://spark.apache.org/downloads.html
之后选择对应版本进行下载
在这里插入图片描述

winutils.exe

https://github.com/4ttty/winutils

选择和你Hadoop对应的版本然后保存到解压后的spark文件夹的bin子文件夹中

环境变量配置

HADOOP_HOME:E:\Desktop\pyspark\spark-2.4.7-bin-hadoop2.7\spark-2.4.7-bin-hadoop2.7

PYSPARK_DRIVER_PYTHON:jupyter

PYSPARK_DRIVER_PYTHON_OPTS notebook

SPARK_HOME E:\Desktop\pyspark\spark-2.4.7-bin-hadoop2.7\spark-2.4.7-bin-hadoop2.7

以及bin目录也要添加到环境变量

Linux

## Linux安装等Windows全部弄完后我再补上,
import findspark
# spark是用scala编写的,scala底层用的java 8及以上,使用python编写spark程序,需要用到pyspark第三方包去转为jvm中调用核心,
# 而findspark可以提供简便的初始化spark环境,后续直接使用pyspark即可
findspark.init()
## 判断是环境否完整,若不完整则报错
import pyspark
from pyspark.sql import SparkSession
# spark 有三大引擎,spark core、sparkSQL、sparkStreaming,
# spark core 的关键抽象是 SparkContext、RDD;
# SparkSQL 的关键抽象是 SparkSession、DataFrame;
# sparkStreaming 的关键抽象是 StreamingContext、DStream
# SparkSession 是 spark2.0 引入的概念,主要用在 sparkSQL 中,当然也可以用在其他场合,他可以代替 SparkContext;
# SparkSession 其实是封装了 SQLContext 和 HiveContext
spark=SparkSession.builder.getOrCreate()
## 不太懂这行的意思

目前为止pyspark已安装成功,之后的就是和数据的结合,我会按照自己实际情况进行案例的分享。

如需要代码或数据进群753035545

  • 1
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
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