PyCharm搭建Spark開發環境的實現步驟

1.安裝好JDK

下載并安裝好jdk-12.0.1_windows-x64_bin.exe，配置環境變量：

• 新建系統變量JAVA_HOME，值為Java安裝路徑
• 新建系統變量CLASSPATH，值為 .;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;（注意最前面的圓點）
• 配置系統變量PATH，添加 %JAVA_HOME%bin;%JAVA_HOME%jrebin
  

在CMD中輸入：java或者java -version，不顯示不是內部命令等，說明安裝成功。

2.安裝Hadoop，并配置環境變量

下載hadoop：https://www.apache.org/dyn/closer.cgi/hadoop/common/hadoop-2.7.7/hadoop-2.7.7.tar.gz

• 解壓hadoop-2.7.7.tar.gz特定路徑，如：D:\adasoftware\hadoop
• 添加系統變量HADOOP_HOME：D:\adasoftware\hadoop
• 在系統變量PATH中添加：D:\adasoftware\hadoop\bin
• 安裝組件winutils：將winutils中對應的hadoop版本中的bin替換自己hadoop安裝目錄下的bin
  

3.Spark環境變量配置

spark是基于hadoop之上的，運行過程中會調用相關hadoop庫，如果沒配置相關hadoop運行環境，會提示相關出錯信息，雖然也不影響運行。

• 下載對應hadoop版本的spark：http://spark.apache.org/downloads.html
• 解壓文件到：D:\adasoftware\spark-2.4.3-bin-hadoop2.7
• 添加PATH值：D:\adasoftware\spark-2.4.3-bin-hadoop2.7\bin;
• 新建系統變量SPARK_HOME：D:\adasoftware\spark-2.4.3-bin-hadoop2.7;
  

4.下載安裝anaconda

anaconda集成了python解釋器和大多數python庫，安裝anaconda 后不用再安裝python和pandas numpy等這些組件了。下載地址。最后將python加到path環境變量中。

5.在CMD中運行pyspark，出現類似下圖說明安裝配置正常：

出現這種warning是因為JDK版本為12，太高了，但是不影響運行。沒有影響。

6.在pycharm中配置spark

打開PyCharm，創建一個Project。然后選擇“Run” ->“Edit Configurations”–>點擊+創建新的python Configurations

選擇 “Environment variables” 增加SPARK_HOME目錄與PYTHONPATH目錄。

• SPARK_HOME:Spark安裝目錄
• PYTHONPATH:Spark安裝目錄下的Python目錄

選擇 File->setting->你的project->project structure

右上角Add content root添加：py4j-some-version.zip和pyspark.zip的路徑（這兩個文件都在Spark中的python文件夾下）

保存即可

7.測試是否配置成功，程序代碼如下，創建一個python程序放進去就可以：

import os
import sys

# Path for spark source folder
os.environ['SPARK_HOME'] = "D:\adasoftware\spark"

# Append pyspark to Python Path
sys.path.append("D:\adasoftware\spark\python")

try:
 from pyspark import SparkContext
 from pyspark import SparkConf

 print("Successfully imported Spark Modules")
except ImportError as e:
 print("Can not import Spark Modules", e)
 sys.exit(1)

若程序正常輸出: "Successfully imported Spark Modules"就說明環境已經可以正常執行。

 以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。