Pyspark 简明教程

PySpark - Environment Setup

在本章中，我们将了解 PySpark 的环境设置。

Note − 这里考虑的是在计算机上安装 Java 和 Scala。

现在，让我们按照以下步骤下载并设置 PySpark。

Step 1 − 转到官方 Apache Spark download 页面并下载那里提供的最新版本的 Apache Spark。在本教程中，我们使用 spark-2.1.0-bin-hadoop2.7 。

Step 2 − 现在，解压下载的 Spark tar 文件。默认情况下，它将被下载到下载目录。

# 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，需要设置以下环境以设置 Spark 路径和 Py4j path 。

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，要在全局范围内设置以上环境，请将它们放在 .bashrc file 中。然后运行以下命令以使环境生效。

# source .bashrc

现在，我们已设置所有环境，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 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'.
<<<