pycharm连接spark教程

1.解压hadoop

解压到任意盘，路径不要带中文路径

进入保存后的bin目录，查看，是否解压成功

2.解压spark

到任意位置，路径不要带有中文

3. 打开pycharm

把hadoop，spark环境变量配置到pycharm中。

3.1新建项目

3.2在项目中创建一个python文件

3.3把hadoop_home

python_home,pythonpath添加到pycharm中.

• 1.hadoop_home
• 2.spark_home
• 3.pythonpath

注意！！！

pythonpath路径要添加到d:\spark\spark-2.4.6-bin-hadoop2.7\python\lib\py4j-0.10.7-src.zip下

3.4 检查是否有以下软件包

3.4.1 如果没有请按照以下教程下载，后期需要

3.4.2安装py4j

3.4.3安装pyspark推荐2.4.6版本

3.4.4安装pip

3.5安装findspark

4.把winutils.exe插件

放到hadoop解压后的/bin目录下面

5.把以下代码

复制到4.2步骤中，新建的python文件中

#添加此代码
import findspark
findspark.init()
#在spark前，添加此代码
from pyspark.sql import sparksession
spark = sparksession.builder.appname("wordcount").getorcreate()
spark.sparkcontext.textfile("file:///d:/hadoop/hadoop-2.7.7/readme.txt")\
        .flatmap(lambda x: x.split(' '))\
        .map(lambda x: (x, 1))\
        .reducebykey(lambda x, y: x + y)\
        .foreach(print)

必须要有这句话在spark前面！！！

6.测试

出现以上内容，表示pycharm连接spark成功。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持代码网。