python 安装pyspark_python pyspark入门篇

本文档介绍了如何在Python环境中安装和配置PySpark。首先,需要安装JDK,Python 2.7.11,接着解压并配置Spark 1.6.0。将PySpark文件复制到Python的site-packages目录,并通过pip安装py4j。在PyCharm中设置环境变量后,创建一个wordCount.py文件,实现单词计数功能。最后,提供了深入学习PySpark的资源链接和例子目录。
摘要由CSDN通过智能技术生成

一.环境介绍:

1.安装jdk 7以上

2.python 2.7.11

3.IDE pycharm

4.package: spark-1.6.0-bin-hadoop2.6.tar.gz

二.Setup

1.解压spark-1.6.0-bin-hadoop2.6.tar.gz 到目录D:\spark-1.6.0-bin-hadoop2.6

2.配置环境变量Path,添加D:\spark-1.6.0-bin-hadoop2.6\bin,此后可以在cmd端输入pySpark,返回如下则安装完成:

20180110222756636867.png

3.将D:\spark-1.6.0-bin-hadoop2.6\python下的pySpark文件拷贝到C:\Python27\Lib\site-packages

4.安装py4j , pip install py4j -i https://pypi.douban.com/simple

5.配置pychar环境变量:

三.Example

1.make a new python file: wordCount.py

#!/usr/bin/env python#-*- coding: utf-8 -*-

importsysfrom pyspark importSparkContextfrom operator importaddimportredefmain():

sc= SparkContext(appName= "wordsCount")

lines= sc.textFile(‘words.txt‘)

counts= lines.flatMap(lambda x: x.split(‘ ‘)) .map(lambda x : (x, 1)) .reduceByKey(add)

output=counts.collect()printoutputfor (word, count) inoutput:print "%s: %i" %(word, count)

sc.stop()if __name__ =="__main__":

main()

2.代码中的words.txt如下:

The dynamic lifestyle

people lead nowadays

causes many reactionsin our bodies andthe one thatisthe

most frequent of allis the headache

3.配置pycharm环境变量:

3.1 工具栏 run --> Edit configuration-->点击箭头位置

20180110222756638820.png

3.2  然后点击 + ,输入key:SPARK_HOME, value: D:\spark-1.6.0-bin-hadoop2.6

20180110222756640774.png

4.输出结果如下图:

20180110222756641750.png

四.深入练习:

1.文档:http://spark.apache.org/docs/latest/api/python/pyspark.html

2.在解压的Spark文档下,有example下有很多实例可以练习。D:\spark-1.6.0-bin-hadoop2.6\examples\src\main\python

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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