jupyter安装及配置scala、spark、pyspark内核

安装 jupyter和python

本文使用Anaconda安装jupyter。
Anaconda可以看做Python的一个集成安装，安装它后就默认安装了python、IPython、集成开发环境Spyder和众多的包和模块

也可参照https://docs.anaconda.com/anaconda/install/linux进行安装

下载 Anaconda

Anaconda的官网下载地址https://www.anaconda.com/download/，可以根据自己的需要自行下载，本文使用的操作系统为ubuntu，因此下载的是Anaconda installer for Linux.

wget https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh

使用MD5或SHA-256验证数据完整性。

 md5sum Anaconda3-5.0.1-Linux-x86_64.sh #后跟下载文件的实际路径和文件名

或者

sha256sum Anaconda3-5.0.1-Linux-x86_64.sh

安装Anaconda

bash Anaconda3-5.0.1-Linux-x86_64.sh 

接受许可协议

选择安装路径，直接回车表示选择默认路径

在/root/.bashrc中将Anaconda 1安装位置预先安装到PATH中

使安装生效

source ~/.bashrc

到此Anaconda安装结束。

启动jupyter notebook

Anaconda自带安装了jupyter，因此安装完Anaconda后，在命令行输入如下命令即可启动jupyter notebook

jupyter notebook

默认制定的WEBUI地址为localhost，端口为8888，因此是不允许远程访问的。

也可在启动时手动指定

jupyter notebook --allow-root --no-browser --port 6789 --ip=*

配置jupyter notebook的远程访问

jupyter notebook安装好后默认只能在本地服务器本地访问(也就是我的ubuntu虚拟机上)，如果想从真机windows上访问，需做如下配置

1.登陆远程服务器

ssh 远程服务器ip地址或主机名

2.生成配置文件

 jupyter notebook --generate-config

该命令执行完后，会输出配置文件的默认保存路径

3.生成密码
打开ipython，创建密文密码，将生成的密码复制下来

4.修改默认配置文件

 vim ~/.jupyter/jupyter_notebook_config.py

修改如下选项

c.NotebookApp.ip = '*'c.NotebookApp.password = u'sha1:3624795a9cec:74b60353a6d80fafde23437e9eab9deda61c7a5e' #将刚才复制的密文复制到此处c.NotebookApp.open_browser = False #指定不打开浏览器c.NotebookApp.port = 6789 #指定端口

5.启动jupyter notebook

jupyter notebook  --allow-root #root用户需添加--allow-root选项，其他不用

6.本地浏览器访问

http://ip或主机名:6789

输入之前创建的密码即可进入

安装scala kernel

jupyter提供了Python之外的许多编程语言的支持， 如R，Go， Scala等等，不过都需要用户手动安装，这里讲scala kernel和spark kernel的安装
查看已有内核

jupyter kernelspec list

可以看到，已经安装了python2和python3

下载jupyter-scala
https://oss.sonatype.org/content/repositories/snapshots/com/github/alexarchambault/jupyter/jupyter-scala-cli_2.10.5/0.2.0-SNAPSHOT/jupyter-scala_2.10.5-0.2.0-SNAPSHOT.tar.xz

安装jupyter-scala

tar -xvf jupyter-scala_2.10.5-0.2.0-SNAPSHOT.tar.xz -C /usr/local/bash /usr/local/jupyter-scala_2.10.5-0.2.0-SNAPSHOT/bin/jupyter-scala

出现如下界面，表示已经成功安装

此时，再次查看支持的内核，发现多了一个

安装spark kernel

前提准备
安装spark，可以参考博主的 spark分布式集群环境搭建（hadoop之上）
安装sbt，之后编译spark需要sbt,具体的安装方法可参考博文http://blog.csdn.net/he582754810/article/details/54311233

安装spark kernel

cd /usr/local/anacondgit clone https://github.com/apache/incubator-toree.git#如果没有git命令，请先行安装cd incubator-toree/

修改Makefile文件中的APACHE_SPARK_VERSION选项的值，与SPARK_HOME统一版本

APACHE_SPARK_VERSION?=2.2.1

使用”make build”命令编译spark，出现success表示成功,这个过程时间比较长，需要等几分钟

make build

make dist #该命令用于将可执行文件及相关文件打包成一个tar.gz压缩的文件用来作为发布软件的软件包。cd dist/toree/bin/ls

使用ls查到当前目录下有一个名为run.sh的文件，记住该文件的路径（/usr/local/anacond/incubator-toree/dist/toree/bin/run.sh
），后面会使用到

cd /root/.ipython/kernels/sprak/vim kernel.json

写入如下内容

{"display_name": "Spark 2.2.1 (Scala 2.10.4)","lauguage_info": {"name": "scala"},"argv": [    "/usr/local/anacond/incubator-toree/dist/toree/bin/run.sh",#替换为前面记住的run.sh的路径    "--profile",    "{connection_file}"],"codemirror_mode": "scala","env": {    "SPARK_OPTS": "--master=local[2] --driver-java-options=-Xms1024M --driver-java-options=-Xms4096M --driver-java-options=-Dlog4j.logLevel=info",    "MAX_INTERPRETER_THREADS": "16",    "CAPTURE_STANDARD_OUT": "true",    "CAPTURE_STANDARD_ERR": "true",    "SEND_EMPTY_OUTPUT": "false",    "SPARK_HOME": "/usr/local/spark",#替换成自己的SPARK_HOME路径    "PYTHONPATH": "/usr/local/spark/python:/usr/local/spark/python/lib/py4j-0.10.4-src.zip"#替换为自己的}}

再次查看内核

jupyter kernelspec list

到这里我们就已经成功安装上spark的内核了，接下来启动jupyter notebook

jupyter notebook --allow-root

本地浏览器访问，我们就可以新建一个支持scala和spark的notebook了

安装pyspark kernel

mkdir ~/.ipython/kernels/pysparkvim ~/.ipython/kernels/pyspark/kernel.json

写入如下内容：

{ "display_name": "pySpark", "language": "python", "argv": [  "/usr/local/anacond/bin/python3",  "-m",  "IPython.kernel",  "-f",  "{connection_file}" ], "env": {  "SPARK_HOME": "/usr/local/spark",  "PYTHONPATH": "/usr/local/spark/python:/usr/local/spark/python/lib/py4j-0.10.4-src.zip",  "PYTHONSTARTUP": "/usr/local/spark/python/pyspark/shell.py ",  "PYSPARK_SUBMIT_ARGS": "pyspark-shell" }}

注意将其中的路径替换成自己的，然后查看内核

到此，我们已经为jupyter配置了scala、spark、pyspark内核，可以根据具体的开发任务选择不同的内核

---

参考博文

http://blog.csdn.net/heng_2218/article/details/51006075
http://blog.csdn.net/gavin_john/article/details/53177630