通过创建SparkConf对象来配置应用,然后基于这个SparkConf创建一个SparkContext对象。驱动器程序通过SparkContext对象来访问Spark。这个对象代表对计算集群的一个连接。一旦有了SparkContext, 就可以用它来创建RDD。
ssh远程访问Linux下的Python解释器
#conding:utf8
from pyspark import SparkConf,SparkContext
from pyspark import conf, context
if __name__ == '__main__':
conf = SparkConf().setMaster("local[*]").setAppName("wordCountHelloWorld")
#通过SparkConf对象构建SparkContext对象
sc = SparkContext(conf=conf)
file_rdd=sc.textFile("hdfs://192.168.88.161:8020/test/input/wordcount.txt")
words_rdd=file_rdd.flatMap(lambda line: line.split(" "))
words_with_one_rdd=words_rdd.map(lambda x:(x,1))
result_rdd=words_with_one_rdd.reduceByKey(lambda a,b:a+b)
print(result_rdd.collect())
pycharm远程查看Linux中文件夹
访问本地的windows的anaconda3——Python解释器,需要安装各种包
pip install pyspark pyhive pymysql jieba -i https://pypi.tuna.tsinghua.edu.cn/simple
在anaconda prompt中安装PySpark环境:
conda create -n pyspark python=3.8
安装过慢可选用清华镜像源,在windows用户文件夹下创建.condarc文本文件中
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
安装PySpark包
pip install pyspark pyhive pymysql jieba -i https://pypi.tuna.tsinghua.edu.cn/simple
后续在pycharm中配置环境……