spark-本地模式的配置和简单使用

python环境的安装

在虚拟机中，只能安装一个python的版本，若想要安装别的版本，则需要卸载之前的版本------解决方式，安装Anaconda

通过百度网盘分享的文件：Anaconda3-2021.05-Linux-x86_64.sh

链接：https://pan.baidu.com/s/1e3rvqD0G7eSEP_7di8uzxQ?pwd=do8s

提取码：do8s

1、上传Anaconda3-2021.05-Linux-x86_64.sh 到/opt/installs下
2、执行文件：
    sh Anaconda3-2021.05-Linux-x86_64.sh
3、开始安装
# 过程
    #第一次：【直接回车，然后按q】
       Please, press ENTER to continue
       >>>
    #第二次：【输入yes】
     Do you accept the license terms? [yes|no]
     [no] >>> yes
    #第三次：【输入解压路径：/opt/installs/anaconda3】
     [/root/anaconda3] >>> /opt/installs/anaconda3
     #第四次：【输入yes，是否在用户的.bashrc文件中初始化
    Anaconda3的相关内容】
     Do you wish the installer to initialize  Anaconda3
       by running conda init? [yes|no]
       [no] >>> yes
4、刷新环境变量
    source /root/.bashrc
5、激活虚拟环境，如果需要关闭就使用：conda deactivate

# 默认会进入 base中 或者在后面加参数
conda activate 


# 配置成功 会出现
(base) [root@bigdata01 modules]#

6、此时Anaconda已经下载完成 而在Anaconda中自带了一个python3------3.8.8
    #可以看一下
    cd /opt/installs/anaconda3/bin/python3
    # 而linux中自带的python是2.7.5 
7、创建软连接
ln -s /opt/installs/anaconda3/bin/python3 /usr/bin/python3

Anaconda 的命令

conda list：列举所有的包
conda install 包名：安装库包
conda remove 包名：移除库包

base：Anaconda自带的基础环境
# 切换
conda activate base
# 关闭
conda deactivate

spark本地模式的配置

通过百度网盘分享的文件：spark-3.1.2-bin-hadoop3.2.tgz

链接：https://pan.baidu.com/s/1J2-d_qEubjcAXq_8LYi_hA?pwd=sgtm

提取码：sgtm

由于需要进行本地模式集群-standalone 集群-yarn 三种模式的配置，所以后续是需要将该解压包解压三次的，通过创建软连接连接到不同的模式，若要修改只需要删除软连接，重新创建即可。

1、上传（上传到/opt/modules 下），解压（解压到/opt/installs 下），重命名
tar -zxvf /opt/install/spark-3.1.2-bin-hadoop3.2.tgz -C /opt/modules
mv spark-3.1.2-bin-hadoop3.2/ spark-local
2、创建一个软连接
ln -s spark-local spark
3、配置环境变量 vi /etc/profile
export SPARK_HOME=/opt/installs/spark
export PATH=$PATH:$SPARK_HOME/bin
4、刷新环境变量
source /etc/profile

本地模式的简单使用

运行自带或上传的py文件

spark-submit --master local[2] /opt/installs/spark/examples/src/main/python/pi.py  100

黑窗口的使用

/opt/installs/spark/bin/pyspark --master local[2]

此时会进入一个黑窗口

# 需求：将一个包含 1~ 10 共10个元素的列表，使用Spark实现分布式处理，将每个元素的平方输出

# 1、定义一个列表
list1 = [1,2,3,4,5,6,7,8,9,10]
# 2、将列表通过SparkContext将数据转换为一个分布式集合RDD------将一个list变为Rdd对象
inputRdd = sc.parallelize(list1)

# 获取行数 10行
inputRdd.count()
# 获取前n行的内容 ，放到一个list中，每行占一个
fileRdd.take(3)

# 调用Rdd中的map方法 返回还是一个Rdd 
rsRdd = inputRdd.map(lambda x : x**2)

# 将结果RDD的每个元素进行输出
rsRdd.foreach(lambda x : print(x))