pycharm连接spark

1.解压Hadoop，解压到任意盘，路径不要带中文路径 

 进入保存后的bin目录，查看，是否解压成功

2.解压spark，到任意位置，路径不要带有中文

 3. 打开pycharm，把Hadoop，spark环境变量配置到pycharm中。

3.1新建项目

 

 3.2在项目中创建一个python文件

 

 3.3把Hadoop_home，python_home,pythonpath添加到Pycharm中.

 

 

1.HADOOP_HOME

2.SPARK_HOME

3.PYTHONPATH

4.注意！！！

PYTHONPATH路径要添加到D:\spark\spark-2.4.6-bin-hadoop2.7\python\lib\py4j-0.10.7-src.zip下

 3.4 检查是否有以下软件包

3.4.1 如果没有请按照以下教程下载，后期需要

 3.4.2安装py4j

 3.4.3安装pyspark推荐2.4.6版本

 

 3.4.4安装pip

3.5安装findspark

 4.把winutils.exe插件放到Hadoop解压后的/bin目录下面

 5.把以下代码，复制到4.2步骤中，新建的python文件中

#添加此代码
import findspark
findspark.init()
#在spark前，添加此代码
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName("WordCount").getOrCreate()
spark.sparkContext.textFile("file:///D:/Hadoop/hadoop-2.7.7/README.txt")\
        .flatMap(lambda x: x.split(' '))\
        .map(lambda x: (x, 1))\
        .reduceByKey(lambda x, y: x + y)\
        .foreach(print)

5.1必须要有这句话在spark前面！！！

 6.测试

 

出现以上内容，表示pycharm连接spark成功。