Win7 pySpark安装



转载：http://blog.csdn.net/a819825294

1.序

由于笔者目前用Python比较多，所以想安装下pySpark，并且在pyCharm中调用。
（1）jdk-8u91-windows-x64.exe
（2）Spark-1.3.0-bin-hadoop2.4.tgz

2.安装

（1）jdk默认安装
（2）spark-1.3.0-bin-hadoop2.4.tgz先进行解压。假设目录为E:\spark-1.3.0-bin-hadoop2.4
（3）配置环境变量Path,添加E:\spark-1.3.0-bin-hadoop2.4\bin。这时，你可以利用打开cmd,输入pySpark。没有问题的话，你可以看到下图

（4）要想在PyCharm中调用pySpark,需要加载包。将E:\spark-1.3.0-bin-hadoop2.4\python文件夹下pySpark文件夹拷贝到C:\Anaconda2\Lib\site-packages**（注：我的python安装目录是这个路径，可能有的读者是C:\Python27\Lib\site-packages）**

3.pyCharm wordCount示例

• 新建wordCount.py文件，写代码

import sysfrom operator import addfrom pyspark import SparkContextif __name__ == "__main__":    sc = SparkContext(appName="PythonWordCount")    lines = sc.textFile('words.txt')    counts = lines.flatMap(lambda x: x.split(' ')) \                  .map(lambda x: (x, 1)) \                  .reduceByKey(add)    output = counts.collect()    for (word, count) in output:        print "%s: %i" % (word, count)    sc.stop()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

• 代码中words.txt内容如下

good bad coolhadoop spark mlibgood spark mlibcool spark bad
1
2
3
4
1
2
3
4

• 然后运行，然后报错，哈哈哈
  

• 其实是还有一个地方没有配置
  在pyCharm的菜单栏里找到Run => Edit Configurations，点击下面红色标记的地方，添加环境变量。
  
  

• 再次运行，就会得到如下结果
  

4.pySpark学习地址

（1）http://spark.apache.org/docs/latest/api/python/pyspark.html
（2）在上面解压的文件夹E:\spark-1.3.0-bin-hadoop2.4\examples\src\main\python中有很多示例代码，可以进行学习，本文中的wordCount就是用的上面的代码（进行了一点点修改）。