在本章中,我们将了解PySpark的环境设置.
注意 : 这是考虑到您的计算机上安装了Java和Scala.
现在让我们按照以下步骤下载并设置PySpark.
第1步 : 转到官方的Apache Spark 下载页面,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,它将下载到下载目录中.
#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来设置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,请将它们放在 .bashrc文件中.然后运行以下命令以使环境起作用.
#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'. <<<