PySpark - 环境设置

---

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。

步骤 1 - 转到官方 Apache Spark下载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。

步骤 2 - 现在，解压下载的 Spark tar 文件。默认情况下，它将下载到 Downloads 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正常工作。

# source .bashrc

现在我们已经设置了所有环境，让我们进入 Spark 目录并通过运行以下命令调用 PySpark shell -

# ./bin/pyspark

这将启动您的 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'.
<<<