1.序

由于筆者目前用python比較多，所以想安裝下pySpark，并且在Anaconda2中調(diào)用。
（1）jdk-8u91-windows-x64.exe
（2）spark-1.6.0-bin-hadoop2.6.0.tgz

2.安裝

（1）jdk默認(rèn)安裝
（2）spark-1.6.0-bin-hadoop2.6.0.tgz先進(jìn)行解壓。假設(shè)目錄為E:\spark-1.6.0-bin-hadoop2.6.0
（3）配置環(huán)境變量

SPARK_HOME=E:\spark-1.6.0-bin-hadoop2.6.0

Path添加%SPARK_HOME%\bin和%SPARK_HOME%\python

這時(shí)，你可以利用打開(kāi)cmd,輸入pySpark。沒(méi)有問(wèn)題的話，你可以看到下圖

（4）要想在Anaconda2中調(diào)用pySpark,需要加載包。將E:\spark-1.6.0-bin-hadoop2.6.0\python文件夾下pySpark文件夾拷貝到C:\Anaconda2\Lib\site-packages**（注：我的python安裝目錄是這個(gè)路徑，可能有的讀者是C:\Python27\Lib\site-packages）**

3.pyCharm wordCount示例

• 新建wordCount.py文件，寫(xiě)代碼

import sys from operator import addfrom pyspark import SparkContextif __name__ == "__main__":sc = SparkContext(appName="PythonWordCount")lines = sc.textFile('words.txt')counts = lines.flatMap(lambda x: x.split(' ')) \.map(lambda x: (x, 1)) \.reduceByKey(add)output = counts.collect()for (word, count) in output:print "%s: %i" % (word, count)sc.stop() 19: 1 Michael: 1 Andy: 1 30: 1 29: 1 Justin: 1

如果出現(xiàn)如下錯(cuò)誤：

1. ModuleNotFoundError: No module named 'py4j' conda install py4j 或者pip install py4j

2. ImportError: cannot import name accumulators ImportError: No module named py4j.java_gateway

設(shè)置：

import os import sys from operator import addfrom pyspark import SparkContext# Path for spark source folder os.environ['SPARK_HOME']="D:\\ProgramFiles\\spark-1.6.0-bin-hadoop2.6"# Append pyspark to Python Path sys.path.append("D:\\ProgramFiles\\spark-1.6.0-bin-hadoop2.6/python/")if __name__ == "__main__":sc = SparkContext(appName="PythonWordCount")lines = sc.textFile('E:\\testData\\spark\\spark1.6\\people.txt')counts = lines.flatMap(lambda x: x.split(',')) \.map(lambda x: (x, 1)) \.reduceByKey(add)output = counts.collect()for (word, count) in output:print "%s: %i" % (word, count)sc.stop()

4.pySpark學(xué)習(xí)地址

（1）http://spark.apache.org/docs/latest/api/python/pyspark.html
（2）在上面解壓的文件夾E:\spark-1.3.0-bin-hadoop2.4\examples\src\main\python中有很多示例代碼，可以進(jìn)行學(xué)習(xí)，本文中的wordCount就是用的上面的代碼（進(jìn)行了一點(diǎn)點(diǎn)修改）。

注意：

如果你用的python為3.5+版本，接下來(lái)這步操作決定我們是否能夠完成配置
1、在D:\spark\spark-2.0.1-bin-hadoop2.7\bin文件夾下找到pyspark文件，然后用notepad++打開(kāi)。
2、找到export PYSPARK_PYTHON然后把這個(gè)地方變成export PYSPARK_PYTHON=python3
3、保存，大功告成。

總結(jié)

以上是生活随笔為你收集整理的pySpark环境搭建的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。