一.配置版本

Java JDK 1.8.0_111
Python 3.9.6
Spark 3.1.2
Hadoop 3.2.2

二.配置環(huán)境

1.配置JDK

從官網(wǎng)下載相應(yīng)JDK的版本安裝，并進(jìn)行環(huán)境變量的配置
（1）在系統(tǒng)變量新建JAVA_HOME，根據(jù)你安裝的位置填寫變量值

（2）新建CLASSPATH
變量值：.;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar；（注意前面所需的符號）

（3）點(diǎn)擊Path

在其中進(jìn)行新建：%JAVA_HOME%\bin

（4）配置好后進(jìn)行確定
（5）驗(yàn)證，打開cmd，輸入java -version和javac進(jìn)行驗(yàn)證

此上說明jdk環(huán)境變量配置成功

2.配置Spark

（1）下載安裝：
Spark官網(wǎng)：spark-3.1.2-bin-hadoop3.2下載地址

（2）解壓，配置環(huán)境

（3）點(diǎn)擊Path，進(jìn)行新建：%SPARK_HOME%\bin，并確認(rèn)
（4）驗(yàn)證，cmd中輸入pyspark

這里提醒我們要安裝Hadoop

3.配置Hadoop

（1）下載：
Hadoop官網(wǎng)：Hadoop 3.2.2下載地址

（2）解壓，配置環(huán)境

注意：解壓文件后，bin文件夾中可能沒有以下兩個(gè)文件：

下載地址：https://github.com/cdarlint/winutils
配置環(huán)境變量CLASSPATH:%HADOOP_HOME%\bin\winutils.exe
（3）點(diǎn)擊Path，進(jìn)行新建：%HADOOP_HOME%\bin，并確認(rèn)
（4）驗(yàn)證，cmd中輸入pyspark

由上可以看出spark能運(yùn)行成功，但是會(huì)出現(xiàn)如下警告：

WARN ProcfsMetricsGetter: Exception when trying to compute pagesize, as a result reporting of ProcessTree metrics is stopped

這里因?yàn)閟park為3.x版本有相關(guān)改動(dòng)，使用spar2.4.6版本不會(huì)出現(xiàn)這樣的問題。
不改版本解決方式（因是警告，未嘗試）：
方式一：解決方法一
方式二：解決方法二

三.Pycharm配置spark

（1）Run–>Edit Configurations

（2）對Environment Variables進(jìn)行配置

（3）File–>Settings–>Project Structure–>Add Content Root
找到spark-3.1.2-bin-hadoop3.2\python\lib下兩個(gè)包進(jìn)行添加

選擇結(jié)果：

（4）測試

# 添加此代碼，進(jìn)行spark初始化
import findspark
findspark.init()

from datetime import datetime, date
from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
rdd = spark.sparkContext.parallelize([
 (1, 2., 'string1', date(2000, 1, 1), datetime(2000, 1, 1, 12, 0)),
 (2, 3., 'string2', date(2000, 2, 1), datetime(2000, 1, 2, 12, 0)),
 (3, 4., 'string3', date(2000, 3, 1), datetime(2000, 1, 3, 12, 0))
])
df = spark.createDataFrame(rdd, schema=['a', 'b', 'c', 'd', 'e'])
df.show()

運(yùn)行結(jié)果：

四.使用anconda中python環(huán)境配置spark

1.創(chuàng)建虛擬環(huán)境

conda create -n pyspark_env python==3.9.6

查看環(huán)境：

conda env list

運(yùn)行結(jié)果：

2.安裝pyspark

切換到pyspark_env并進(jìn)行安裝pyspark

pip install pyspark

3.環(huán)境配置

運(yùn)行上面的實(shí)例，會(huì)出現(xiàn)以下錯(cuò)誤：

這說明我們需要配置py4j，SPARK_HOME
SPARK_HOME：

PYTHONPATH設(shè)置：

HADOOP_HOME設(shè)置：

path中設(shè)置：

4.運(yùn)行

# 添加此代碼，進(jìn)行spark初始化
import findspark
findspark.init()

from datetime import datetime, date
from pyspark.sql import SparkSession
spark = SparkSession.builder.getOrCreate()
rdd = spark.sparkContext.parallelize([
 (1, 2., 'string1', date(2000, 1, 1), datetime(2000, 1, 1, 12, 0)),
 (2, 3., 'string2', date(2000, 2, 1), datetime(2000, 1, 2, 12, 0)),
 (3, 4., 'string3', date(2000, 3, 1), datetime(2000, 1, 3, 12, 0))
])
df = spark.createDataFrame(rdd, schema=['a', 'b', 'c', 'd', 'e'])
df.show()

運(yùn)行結(jié)果同上

到此這篇關(guān)于Python安裝spark的文章就介紹到這了,更多相關(guān)Python安裝spark內(nèi)容請搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。