PysparkNote001---Mac下JupyterNoteBook配置pyspark

PysparkNote001---Mac下JupyterNoteBook配置pyspark

下面这一通设置只是在我的电脑上走通了，参考性存疑。可以多看看文中的参考文章。

每一次安装环境都是伤筋动骨的，心塞塞。由于线上zeppline实在是不太友好，而且和集群相关联，怕有所影响。所以本地安装pyspark，以便学习所用。

1. 环境

Mac:macOS High Sierra 10.13.4Spark:spark-2.3.0-bin-hadoop2.6

2. Spark安装

2.1 java安装

比较坑爹，之前学app爬虫，装的jdk10，spark好像不支持。建议安装jdk8，stackoverflow有讨论，可参看​​  报错信息为：

py4j.protocol.Py4JJavaError: An error occurred while calling z:org.apache.spark.api.python.PythonRDD.collectAndServe.

2.2 Spark-

官网地址:​​。   官网-速度感人，可以选择清华镜像​​​Spark安装

安装本身没有问题，只需要把文件解压缩在指定目录下，比如我把文件解压在​​/Users/Simple/Coding/Spark/​​下。下面需要添加环境变量，添加代码为：

# 查看配置文件cat ~/.bash_profile# 用vi命令添加环境变量# add sparkexport SPARK_HOME=/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6export PATH="$PATH:${SPARK_HOME}/bin"

添加完环境变量后要执行以下命令：

source ~/.bash_profile

在shell下输入​​pyspark​​​即可。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Vi1jyvq8-1575010408400)(pic0.jpg)]

3 Pyspark相关配置

3.1 python解释器的选择

最开始，pyspark默认的解释器应该为系统自带的python解释器，在我的Mac中python为python2.7，python3为Python3.6

3.2 在Jupyter Notebook中使用Pyspark

有几种方式，分别介绍。

3.2.1 在代码里添加路径

该方法不依赖jupyter,pycharm等都可以使用。选择pyspark对应的解释器，创建一个新的jupyter notebook。在​​import pyspark​​时，先执行以下代码：

import osimport sysos.environ['SPARK_HOME'] = "/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6"sys.path.append("/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6/python")sys.path.append("/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6/python/lib/py4j-0.10.7-src.zip")from pyspark import SparkContextfrom pyspark import SparkConfsc = SparkContext('local')words = sc.parallelize(["scala", "java", "hadoop", "spark", "akka"])print(words.count())

5

3.2.2 利用findspark包

直接调包，显得整洁一点。

import findsparkfindspark.init()from pyspark import SparkContextfrom pyspark import SparkConfsc = SparkContext()words = sc.parallelize(["scala", "java", "hadoop", "spark", "akka"])print(words.count())sc.stop()

5

3.2.3 修改配置文件

修改配置文件如下：

export PYSPARK_DRIVER_PYTHON=jupyterexport PYSPARK_DRIVER_PYTHON_OPTS="notebook"

此时在命令行输入​​pyspark​​​跳到​​jupyter​​​中。不过还是不太方便，最好的方式应该是在jupyter中可以选择，类似选择​​python2、python2、R​​这样最方便了。

3.2.4 添加pyspark的kernel

暂时说不出来为啥这么做，但是似乎可行，能用。在anaconda3安装目录​​anaconda3/share/jupyter/kernels​​​新建文件夹​​spark2​​​，该文件下新增​​json​​文件，文件内容为:

{"argv": ["/Users/Simple/Coding/Py-Software/anaconda3/envs/python2/anaconda2/bin/python", "-m", "IPython.kernel", "-f", "{connection_file}"], "display_name":"PySpark2", "language":"python" , "env": { "SPARK_HOME": "/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6", "PYTHONPATH": "/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6/python:/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6/python/lib/py4j-0.10.6-src.zip", "PYTHONSTARTUP": "/Users/Simple/Coding/Spark/spark-2.3.0-bin-hadoop2.6/python/pyspark/shell.py ", "PYSPARK_SUBMIT_ARGS": "pyspark-shell" }}

大概就是如此，反正可以用。具体可以参考:​​​[1] 乱七八糟的坑

4.1 终端执行pyspark

在终端执行​​pyspark​​​时，会出现​​derby.log、metastore_db​​​两个文件，也不知道这是啥，总之，在​​/User​​​下会出现就是了。可以把他们放在指定目录下，在​​spark/conf​​​下执行编辑​​spark-default.conf​​​文件，如果没有复制对应​​template​​文件即可。

spark.local.dir /Users/Simple/Coding/Spark/spark2.3-localdata SPARK_LOCAL_DIRS /Users/Simple/Coding/Spark/spark2.3-localdata spark.eventLog.dir /Users/Simple/Coding/Spark/spark2.3-localdata/logdata ## 前面是设置临时文件啥的，改变derby用下面的spark.driver.extraJavaOptions -Dderby.system.home=/Users/Simple/Coding/Spark/spark2.3-localdata/derby_data

参考:​​jupyter中执行

jupyter中执行代码，会出现莫名其妙的文件夹，最后目录为spark-warehouse，可以改下设置，同样的，不知道为啥这么改，醉了。接触的越多，感受自己的局限性越大。

spark.sql.warehouse.dir /Users/simple/Coding/Spark/spark2.3-localdata/warehouse

参考:​​https://stackoverflow.com/questions/44781067/how-do-i-launch-pyspark-and-arrive-in-an-ipython-shell/44810603#44810603​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。