PySpark本地开发环境搭建

一.前置事项

请注意，需要先实现Windows的本地JDK和Hadoop的安装。

二.windows安装Anaconda

资源：Miniconda3-py38-4.11.0-Windows-x86-64，在window使用的Anaconda资源-CSDN文库

右键以管理员身份运行，选择你的安装路径，但是请注意最好文件路径不要有空格或者中文，并且要自己找得到。

然后傻瓜式安装即可。

三.Anaconda中安装PySpark

进入黑窗口，操作如下：

bash 复制代码

进入base环境中：
conda activate base
安装pyspark [此时的pyspark和pyspark命令不是一会儿事儿]
pip install pyspark==3.1.2 -i https://pypi.tuna.tsinghua.edu.cn/simple/

也可以使用阿里云的源：https://mirrors.aliyun.com/pypi/simple

中间如果遇到输入y或者n，就输入y

检查是否安装成功：

可以通过conda list或者pip list检查是否包含：py4j和 pyspark两个包。

四.Pycharm中创建工程

如图：

大概介绍一下目前为止都在干什么：

Annaconda : 这个软件它包含了Python，并且可以安装各种环境，比如pyspark

PySpark : pip install pyspark==3.1.2 首先这个是pyspark的开发环境，这个软件安装在了 Annaconda里面，所以Annaconda 安装在了哪个盘，你这个pyspark 就在哪个盘。

pycharm: 这个是一个IDE工具，IDE工具关联了本地的Annaconda，你这个Annaconda 里面有什么工具，pycharm 中就可以使用什么工具。

假如我没有在黑窗口安装这个pyspark ，就关联了pycharm ，请问，这个pycharm 如何才能有pyspark的环境？

那么继续，创建项目后来检查一下：

看一下如下文件夹里面是否有py4j和pyspark：

有的话恭喜没有问题，那么继续下一步：

创建四个文件夹：

main ：用于存放每天开发的一些代码文件

resources ：用于存放程序中需要用到的配置文件

datas ：用于存放每天用到的一些数据文件

test ：用于存放测试时的一些代码文件

main和resource的创建后：

同理test选择test sources root，一样的操作不再放图了。

好的，那么准备工作已经完成，来写一个代码测试一下：

在main里新建一个Python文件然后：

python 复制代码

import os

if __name__ == '__main__':
    print("你好")
    os.environ['JAVA_HOME'] = 'D:/Program Files/Java/jdk1.8.0_271'
    # 配置Hadoop的路径，就是前面解压的那个路径
    os.environ['HADOOP_HOME'] = 'D:/hadoop-3.3.1/hadoop-3.3.1'
    # 配置base环境Python解析器的路径
    os.environ['PYSPARK_PYTHON'] = 'C:/ProgramData/Miniconda3/python.exe'  # 配置base环境Python解析器的路径
    os.environ['PYSPARK_DRIVER_PYTHON'] = 'C:/ProgramData/Miniconda3/python.exe'

请改成自己电脑里的配置。
获取SparkContext对象：

Spark中的核心类，任何一个Spark的程序都必须包含一个SparkContext类的对象

python 复制代码

import os
# 导入pyspark模块
from pyspark import SparkContext,SparkConf

if __name__ == '__main__':
	# 配置环境
	os.environ['JAVA_HOME'] = 'D:/Program Files/Java/jdk1.8.0_271'
	# 配置Hadoop的路径，就是前面解压的那个路径
	os.environ['HADOOP_HOME'] = 'D:/hadoop-3.3.1/hadoop-3.3.1'
	# 配置base环境Python解析器的路径
	os.environ['PYSPARK_PYTHON'] = 'C:/ProgramData/Miniconda3/python.exe'  # 配置base环境Python解析器的路径
	os.environ['PYSPARK_DRIVER_PYTHON'] = 'C:/ProgramData/Miniconda3/python.exe'

	# 获取 conf 对象
	# setMaster  按照什么模式运行，local  bigdata01:7077  yarn
	#  local[2]  使用2核CPU   * 你本地资源有多少核就用多少核
	#  appName 任务的名字
	conf = SparkConf().setMaster("local[*]").setAppName("第一个Spark程序")
	# 假如我想设置压缩
	# conf.set("spark.eventLog.compression.codec","snappy")
	# 根据配置文件，得到一个SC对象，第一个conf 是 形参的名字，第二个conf 是实参的名字
	sc = SparkContext(conf=conf)
	print(sc)


	# 使用完后，记得关闭
	sc.stop()

运行结果如下：

可见非常明显的问题，每次都要写入这固定的环境配置，非常麻烦，那么我们将它模板化：

配置完成后记得是要点击：

再退出，否则没有保存的话肯定用不了，

然后再次进行新建的时候：

就可以直接选择我们的模板了。非常的方便。