IDEA配置spark与pycharm配置spark教程

最新推荐文章于 2023-05-01 19:11:05 发布
最新推荐文章于 2023-05-01 19:11:05 发布
阅读量583 收藏
点赞数
分类专栏： Spark系列教程
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhonglongshen/article/details/92784615
版权

eclipse配置spark1.6.0教程
https://kevin12.iteye.com/blog/2274179

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

这里注意修改,根据自己的修改
com.Johnson
Spark_2.3.1
1.0-SNAPSHOT

<?xml version="1.0" encoding="UTF-8"?>


4.0.0

<groupId>com.Johnson</groupId>
<artifactId>Spark_2.3.1</artifactId>
<version>1.0-SNAPSHOT</version>

<properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    <scala.version>2.11.8</scala.version>
    <spark.version>2.3.1</spark.version>
    <hadoop.version>2.6.0</hadoop.version>
    <hbase.version>1.2.0</hbase.version>
    <phoenix.version>4.14.0</phoenix.version>
</properties>

<repositories>
    <repository>
        <id>scala-tools.org</id>
        <name>Scala-Tools Maven2 Repository</name>
        <url>http://scala-tools.org/repo-releases</url>
    </repository>
    <repository>
        <id>cloudera</id>
        <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
    </repository>

</repositories>

<pluginRepositories>
    <pluginRepository>
        <id>scala-tools.org</id>
        <name>Scala-Tools Maven2 Repository</name>
        <url>http://scala-tools.org/repo-releases</url>
    </pluginRepository>
</pluginRepositories>

<dependencies>
    <dependency>
        <groupId>org.scala-lang</groupId>
        <artifactId>scala-library</artifactId>
        <version>${scala.version}</version>
    </dependency>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.4</version>
        <scope>test</scope>
    </dependency>
    <dependency>
        <groupId>org.specs</groupId>
        <artifactId>specs</artifactId>
        <version>1.2.5</version>
        <scope>test</scope>
    </dependency>
    <!--<dependency>-->
    <!--<groupId>com.alibaba</groupId>-->
    <!--<artifactId>fastjson</artifactId>-->
    <!--<version>1.2.7</version>-->
    <!--</dependency>-->

    <dependency>
        <groupId>javax.servlet</groupId>
        <artifactId>javax.servlet-api</artifactId>
        <version>3.0.1</version>
    </dependency>

    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-databind</artifactId>
        <version>2.4.4</version>
    </dependency>


    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-core</artifactId>
        <version>2.6.7</version>
    </dependency>
    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-databind</artifactId>
        <version>2.6.7</version>
    </dependency>
    <dependency>
        <groupId>com.fasterxml.jackson.module</groupId>
        <artifactId>jackson-module-scala_2.11</artifactId>
        <version>2.6.7.1</version>
    </dependency>
    <dependency>
        <groupId>com.fasterxml.jackson.module</groupId>
        <artifactId>jackson-module-paranamer</artifactId>
        <version>2.7.9</version>
    </dependency>
    <dependency>
        <groupId>com.fasterxml.jackson.core</groupId>
        <artifactId>jackson-annotations</artifactId>
        <version>2.6.7</version>
    </dependency>
    <dependency>
        <groupId>org.apache.logging.log4j</groupId>
        <artifactId>log4j-core</artifactId>
        <version>2.8.2</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-client</artifactId>
        <version>${hbase.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-common</artifactId>
        <version>${hbase.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-server</artifactId>
        <version>${hbase.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.zookeeper</groupId>
        <artifactId>zookeeper</artifactId>
        <version>3.4.5</version>
    </dependency>
    <dependency>
        <groupId>com.101tec</groupId>
        <artifactId>zkclient</artifactId>
        <version>0.10</version>
    </dependency>
    <dependency>
        <groupId>com.yammer.metrics</groupId>
        <artifactId>metrics-core</artifactId>
        <version>2.2.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hbase</groupId>
        <artifactId>hbase-protocol</artifactId>
        <version>${hbase.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.htrace</groupId>
        <artifactId>htrace-core</artifactId>
        <version>3.2.0-incubating</version>
    </dependency>
    <dependency>
        <groupId>io.netty</groupId>
        <artifactId>netty-all</artifactId>
        <version>4.1.24.Final</version>
    </dependency>
    <dependency>
        <groupId>org.threeten</groupId>
        <artifactId>threeten-extra</artifactId>
        <version>1.2</version>
    </dependency>
    <dependency>
        <groupId>com.cloudera.sparkts</groupId>
        <artifactId>sparkts</artifactId>
        <version>0.4.1</version>
    </dependency>
    <dependency>
        <groupId>mysql</groupId>
        <artifactId>mysql-connector-java</artifactId>
        <version>5.1.38</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-mllib_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>${hadoop.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<groupId>javax.servlet</groupId>-->
        <!--<artifactId>*</artifactId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <!--<dependency>-->
    <!--<groupId>org.apache.spark</groupId>-->
    <!--<artifactId>spark-sql-kafka-0-10_2.11</artifactId>-->
    <!--<version>${spark.version}</version>-->
    <!--</dependency>-->
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-streaming-kafka-0-10_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>

    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka-clients</artifactId>
        <version>0.10.2.0</version>
        <exclusions>
            <exclusion>
                <groupId>net.jpountz.lz4</groupId>
                <artifactId>lz4</artifactId>
            </exclusion>
        </exclusions>
    </dependency>

    <dependency>
        <groupId>org.apache.kafka</groupId>
        <artifactId>kafka_2.11</artifactId>
        <version>0.10.2.0</version>
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-core_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-sql_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-hive_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <dependency>
        <groupId>org.apache.spark</groupId>
        <artifactId>spark-catalyst_2.11</artifactId>
        <version>${spark.version}</version>
        <!--<exclusions>-->
        <!--<exclusion>-->
        <!--<artifactId>lz4</artifactId>-->
        <!--<groupId>net.jpountz.lz4</groupId>-->
        <!--</exclusion>-->
        <!--</exclusions>-->
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-core</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-common</artifactId>
        <version>${hadoop.version}</version>
    </dependency>
    <!--<dependency>-->
    <!--<groupId>org.apache.hadoop</groupId>-->
    <!--<artifactId>hadoop-mapreduce-client-jobclient</artifactId>-->
    <!--<version>>${hadoop.version}</version>-->
    <!--</dependency>-->
    <dependency>
        <groupId>commons-cli</groupId>
        <artifactId>commons-cli</artifactId>
        <version>1.2</version>
    </dependency>
    <!--<dependency>-->
    <!--<groupId>org.apache.phoenix</groupId>-->
    <!--<artifactId>phoenix</artifactId>-->
    <!--<version>${phoenix.version}</version>-->
    <!--</dependency>-->
    <!--<dependency>-->
    <!--<groupId>org.apache.phoenix</groupId>-->
    <!--<artifactId>phoenix-spark</artifactId>-->
    <!--<version>${phoenix.version}</version>-->
    <!--</dependency>-->

</dependencies>

<build>
    <sourceDirectory>src/main/scala</sourceDirectory>
    <testSourceDirectory>src/test/scala</testSourceDirectory>
    <plugins>
        <plugin>
            <groupId>org.scala-tools</groupId>
            <artifactId>maven-scala-plugin</artifactId>
            <executions>
                <execution>
                    <goals>
                        <goal>compile</goal>
                        <goal>testCompile</goal>
                    </goals>
                </execution>
            </executions>
            <configuration>
                <scalaVersion>${scala.version}</scalaVersion>
                <args>
                    <arg>-target:jvm-1.8</arg>
                </args>
            </configuration>
        </plugin>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-eclipse-plugin</artifactId>
            <configuration>
                <downloadSources>true</downloadSources>
                <buildcommands>
                    <buildcommand>ch.epfl.lamp.sdt.core.scalabuilder</buildcommand>
                </buildcommands>
                <additionalProjectnatures>
                    <projectnature>ch.epfl.lamp.sdt.core.scalanature</projectnature>
                </additionalProjectnatures>
                <classpathContainers>
                    <classpathContainer>org.eclipse.jdt.launching.JRE_CONTAINER</classpathContainer>
                    <classpathContainer>ch.epfl.lamp.sdt.launching.SCALA_CONTAINER</classpathContainer>
                </classpathContainers>
            </configuration>
        </plugin>
    </plugins>
</build>
<reporting>
    <plugins>
        <plugin>
            <groupId>org.scala-tools</groupId>
            <artifactId>maven-scala-plugin</artifactId>
            <configuration>
                <scalaVersion>${scala.version}</scalaVersion>
            </configuration>
        </plugin>
    </plugins>
</reporting>

Pycharm配置spark
1：注意修改自己的路径
在这里插入图片描述

或者将pyspark复制到anaconda的site-packages目录下：
在这里插入图片描述
2：
在这里插入图片描述

SPARK_HOME ***
PYTHONPATH ***

老三是只猫
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python—spark本地安装及环境变量配置
Sun_shine99的博客
04-20 3935
Spark和Hadoop的关系是，Hadoop的MapReduce是大家广为熟知的计算框架，而Spark则是一种新的计算框架。比如，textFile("/usr/local"), textFile("/usr/local/.txt"), textFile("/usr/local/.gz")1.如果使用了本地文件系统的路径，那么，必须要保证在所有的worker节点上，也都能够采用相同的路径访问到该文件，比如，可以把该文件拷贝到每个worker节点上，或者也可以使用网络挂载共享文件系统。（注意最前面的圆点）
pycharm 配置 spark环境
malingyu的专栏
07-07 979
右上角Add content root添加：py4j-some-version.zip和pyspark.zip的路径，这两个文件都在spark-2.4.5-bin-hadoop2.7\python\lib文件夹中。新建系统变量SPARK_HOME：E:\dju_softwares\DSJ_gz\spark-2.4.5-bin-hadoop2.7。添加PATH值：E:\dju_softwares\DSJ_gz\spark-2.4.5-bin-hadoop2.7\bin。
PySpark基础入门（1）：基础概念＋环境搭建
WHY的博客
05-01 3841
pyspark基础知识学习第一篇，介绍了spark的基础概念以及PySpark的环境搭建，包括local，standAlone以及spark on yarn
用Pycharm搭建pyspark开发环境
Anoraker的小屋
03-11 6996
安装配置Anaconda 这个我就不自己写了，找了个很详细的Anaconda 的安装教程。 配置Hadoop 我们首先需要下载一个文件，我放到网盘网盘了如下所示。 链接：https://pan.baidu.com/s/1DSzClPJyM5s6MpNx9sv2fA 提取码：pbke 下载解压之后，就可以就配置HADOOP_HOME的环境变量了，我的电脑上是吧文件都放在了E盘根目录下。 右键此...
大数据单机学习环境搭建(10)Pycharm中操作spark和hive
LMTX069的博客
05-20 2745
目录1.环境准备2.Pycharm连接Hive3.Pycharm执行py脚本3.1SparkSql操作数据的方式3.2一个完整的pyspark脚本 1.环境准备 需要提前准备Hadoop、Hive、Spark和Anaconda，以及Pycharm连接Linux的Anaconda环境，具体见本人如下相关文章。 Hadoop本地单节点安装 Linux使用yum安装Mysql Hive单节点安装和启用 Spark单节点安装与pyspark使用 Linux单节点Anaconda安装和Pycharm连接 另外，还可以
spark toolsssss
10-07
6. **生态系统**：Spark与其他大数据项目（如HDFS、Cassandra、HBase等）无缝集成，并拥有丰富的库，如MLlib（机器学习）、Spark Streaming（实时处理）、GraphX（图处理）和Spark SQL（SQL查询）。 在压缩包子文件...
基于豆瓣电影爬虫及Spark数据分析可视化设计
11-01
开发环境：PyCharm + Python3.7 + Spark + Idea + Mysql + Echart 可视化网站入口：http://localhost:8080/login.html 账号密码： admin/1 由于我国经济的不断增长，人们的物质生活也在不断提升，因此越来越多的人...
learning spark 中文版下载
09-25
接着，书中详细讲解了如何在不同的环境中设置和运行Spark，如本地模式、集群模式（如YARN、Mesos或Kubernetes），以及如何使用IDE如IntelliJ IDEA或PyCharm进行开发。 对于大数据分析，Spark SQL允许用户使用SQL...
spark mac 版本
01-19
- 对于Java、Scala或Python开发，可以使用IntelliJ IDEA或PyCharm等IDE，通过创建一个新的Spark项目，并配置Spark SDK路径为`SPARK_HOME`。 5. **运行Spark应用程序**： - 可以通过`spark-submit`命令提交你的...
Learning Spark pdf
02-24
同时，书中也会讲解如何使用Scala、Python和Java等编程语言与Spark交互，以及如何使用IDE如IntelliJ IDEA或PyCharm进行开发。 此外，《Learning Spark》还会介绍如何使用Spark SQL进行数据查询和转换，如何使用...
Windows下配置spark环境（IDEA和Pycharm）
庐州小白的博客
09-27 407
事前准备 配置spark之前需要在windows下配置好Hadoop.可以参考此教程: Windows下安装Hadoop。首先在官网下载包含hadoop的spark二进制包。尽量选择和已经配置好的hadoop版本相同或者相近的。此时需要注意，一般官网会给出这个版本的spark和哪一版本的scala语言相适配。 依据官网给出的提示，去scala官网下载相对应的scala版本，安装并配置环境变量。 之...
window7下在pycharm上配置pyspark 搭建spark测试环境
casion
01-29 4417
因为在虚拟机linux上已经部署好了spark，但是每次编写好spark的python脚本程序都得在虚拟机上测试，很麻烦，所以就在本地的win7系统下，结合pycharm开发工具，搭建可本地测试运行环境。 本地运行spark的python脚本程序，当然需要spark的相关环境，所以前提也要在本地win7下搭建好spark环境 【步骤思路如下】 1. 搭建本地测试的spark环境...
Spark+Python+Pycharm在Windows下的配置
热门推荐
ydq1206的博客
07-16 1万+
初次学习在大数据平台下做数据分析和数据挖掘，之前主要是在MATLAB上在一些数据分析，虽然很熟悉了，然而受速度和方便程度的影响，毕竟还是不太方便做实时的、集群的、超大数据量的分析，因此决定放下用了6年的MATLAB，转战python+spark。 为何选择python+spark？选择spark是毋庸置疑的，目前最先进的大数据平台，可是为什么选择python而不选择spark同样支持的scala、J
Pycharm 上配置spark相关环境
wuyouke的专栏
10-30 1705
spark的依赖环境比较多，需要Java JDK、hadoop的支持。 由于spark本身是用scala实现的，所以建议使用scala。如果是使用scala语言，需要 Scala2.11.x版本，hadoop最好安装2.6以上版本。 Scala2.11.x安装 官网网址：https://www.scala-lang.org/download/ 下载得到Scala的msi文件后，可以双击执行安...
Windows+Pycharm+Spark环境配置
xc_torres的专栏
06-21 5579
Windows+Pycharm+Spark环境配置
pycharm下与spark的交互 详细配置说明以及spark 运行简单例子
DayDayUp
12-29 1497
前提你本地的pyspark是可以运行的，如果有不明白的，可以看我的博客：https://blog.csdn.net/Lq_520/article/details/85323058 下面开始了，试了无数次才成功的： pycharm的安装，不会的可以看我的博客：https://blog.csdn.net/Lq_520/article/details/83584987 这样所有的安装配置都齐活了，开始在...
在windows上pycharm配置spark环境
贾慧玉的博客
12-11 2932
(1)分别从Hadoop官网和spark官网下载Hadoop和spark的安装包 Hadoop下载地址：http://www.apache.org/dyn/closer.cgi/hadoop/common spark下载地址： http://spark.apache.org/downloads.html 注意版本要兼容； （2）把Hadoop和spark的安装包解压，由于他们都是非安装软件
PyCharm 使用 Spark
一蓑烟雨任平生的专栏
02-01 4836
Step 1 搭建spark 环境，spark 环境搭建请参考在单机上安装Spark Step 2 进入spark安装目录：spark安装目录/python/lib 找到 py4j-0.8.2.1-src.zip 压缩包，如下图所示 解压缩 py4j-0.8.2.1-src.zip 压缩包 得到名为 py4j 的文件夹 复制 py4j 文件夹 到python目录下python的
Pycharm配置Spark避坑指南
Meyayron正在玩游戏中...
02-06 765
PS：本文建立在使用Mac或者linux系统的基础上，也不建议使用window系统进行spark配置=_= 安装JAVA环境 这部没啥好说的吧，上网搜java安装一大把。 切记配置java全局变量 vim ~/.bash_profile 然后输入 export JAVA_HOME=$(/usr/libexec/java_home) 安装scala 这里推荐Mac
python环境搭建&Pycharm的配置环境.docx
最新发布
04-01
首先，我们将讨论Python的下载与安装过程，接着是环境变量的配置，然后是如何在PyCharm中设置Python解释器，最后是确保pip命令的可用性。" 在Python环境搭建的过程中，首要步骤是下载Python安装包。你可以访问...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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