PySpark - 环境设置

在本章中,我们将了解PySpark的环境搭建。

注意 − 这是假设您的计算机上已安装 Java 和 Scala。

现在让我们按照以下步骤下载并设置 PySpark。

第 1 步 − 转到官方 Apache Spark https://spark.apache.org/downloads.html 页面并下载最新版本的 Apache Spark。 在本教程中,我们使用 spark-2.1.0-bin-hadoop2.7

第 2 步 − 现在,解压缩下载的 Spark tar 文件。 默认情况下,它将下载到 Downloads 目录中。

# tar -xvf Downloads/spark-2.1.0-bin-hadoop2.7.tgz

它将创建一个目录 spark-2.1.0-bin-hadoop2.7。 在启动 PySpark 之前,您需要设置以下环境以设置 Spark 路径和 Py4j 路径

export SPARK_HOME = /home/hadoop/spark-2.1.0-bin-hadoop2.7
export PATH = $PATH:/home/hadoop/spark-2.1.0-bin-hadoop2.7/bin
export PYTHONPATH = $SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.10.4-src.zip:$PYTHONPATH
export PATH = $SPARK_HOME/python:$PATH

或者,要全局设置上述环境,将它们放在.bashrc 文件 中。 然后运行以下命令以使环境正常工作。

# source .bashrc

现在我们已经设置了所有环境,让我们转到 Spark 目录并通过运行以下命令调用 PySpark shell −

# ./bin/pyspark

这将启动你的 PySpark shell。

Python 2.7.12 (default, Nov 19 2016, 06:48:10) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.1.0
      /_/
Using Python version 2.7.12 (default, Nov 19 2016 06:48:10)
SparkSession available as 'spark'.
<<<