快捷導(dǎo)航

PyCharm搭建Spark開發(fā)環(huán)境的實(shí)現(xiàn)步驟

更新時(shí)間：2019年09月05日 10:54:39 作者：白蛇仙人

這篇文章主要介紹了PyCharm搭建Spark開發(fā)環(huán)境的實(shí)現(xiàn)步驟，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1.安裝好JDK

下載并安裝好jdk-12.0.1_windows-x64_bin.exe，配置環(huán)境變量：

新建系統(tǒng)變量JAVA_HOME，值為Java安裝路徑
新建系統(tǒng)變量CLASSPATH，值為 .;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;（注意最前面的圓點(diǎn)）
配置系統(tǒng)變量PATH，添加 %JAVA_HOME%bin;%JAVA_HOME%jrebin

在CMD中輸入：java或者java -version，不顯示不是內(nèi)部命令等，說明安裝成功。

2.安裝Hadoop，并配置環(huán)境變量

下載hadoop：https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz

在這里插入圖片描述

解壓hadoop-2.7.7.tar.gz特定路徑，如：D:\adasoftware\hadoop
添加系統(tǒng)變量HADOOP_HOME：D:\adasoftware\hadoop
在系統(tǒng)變量PATH中添加：D:\adasoftware\hadoop\bin
安裝組件winutils：將winutils中對應(yīng)的hadoop版本中的bin替換自己hadoop安裝目錄下的bin

3.Spark環(huán)境變量配置

spark是基于hadoop之上的，運(yùn)行過程中會(huì)調(diào)用相關(guān)hadoop庫，如果沒配置相關(guān)hadoop運(yùn)行環(huán)境，會(huì)提示相關(guān)出錯(cuò)信息，雖然也不影響運(yùn)行。

下載對應(yīng)hadoop版本的spark：http://spark.apache.org/downloads.html
解壓文件到：D:\adasoftware\spark-2.4.3-bin-hadoop2.7
添加PATH值：D:\adasoftware\spark-2.4.3-bin-hadoop2.7\bin;
新建系統(tǒng)變量SPARK_HOME：D:\adasoftware\spark-2.4.3-bin-hadoop2.7;

4.下載安裝anaconda

anaconda集成了python解釋器和大多數(shù)python庫，安裝anaconda 后不用再安裝python和pandas numpy等這些組件了。下載地址。最后將python加到path環(huán)境變量中。

5.在CMD中運(yùn)行pyspark，出現(xiàn)類似下圖說明安裝配置正常：

在這里插入圖片描述

出現(xiàn)這種warning是因?yàn)镴DK版本為12，太高了，但是不影響運(yùn)行。沒有影響。

6.在pycharm中配置spark

打開PyCharm，創(chuàng)建一個(gè)Project。然后選擇“Run” ->“Edit Configurations”–>點(diǎn)擊+創(chuàng)建新的python Configurations

在這里插入圖片描述

選擇 “Environment variables” 增加SPARK_HOME目錄與PYTHONPATH目錄。

SPARK_HOME:Spark安裝目錄
PYTHONPATH:Spark安裝目錄下的Python目錄

在這里插入圖片描述

選擇 File->setting->你的project->project structure

右上角Add content root添加：py4j-some-version.zip和pyspark.zip的路徑（這兩個(gè)文件都在Spark中的python文件夾下）

保存即可

7.測試是否配置成功，程序代碼如下，創(chuàng)建一個(gè)python程序放進(jìn)去就可以：

import os
import sys

# Path for spark source folder
os.environ['SPARK_HOME'] = "D:\adasoftware\spark"

# Append pyspark to Python Path
sys.path.append("D:\adasoftware\spark\python")

try:
 from pyspark import SparkContext
 from pyspark import SparkConf

 print("Successfully imported Spark Modules")
except ImportError as e:
 print("Can not import Spark Modules", e)
 sys.exit(1)

若程序正常輸出: "Successfully imported Spark Modules"就說明環(huán)境已經(jīng)可以正常執(zhí)行。