PyCharm搭建Spark开发环境的实现步骤

1.安装好jdk

下载并安装好jdk-12.0.1_windows-x64_bin.exe，配置环境变量：

• 新建系统变量java_home，值为java安装路径
• 新建系统变量classpath，值为 .;%java_home%\lib\dt.jar;%java_home%\lib\tools.jar;（注意最前面的圆点）
• 配置系统变量path，添加 %java_home%bin;%java_home%jrebin
  

在cmd中输入：java或者java -version，不显示不是内部命令等，说明安装成功。

2.安装hadoop，并配置环境变量

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

• 解压hadoop-2.7.7.tar.gz特定路径，如：d:\adasoftware\hadoop
• 添加系统变量hadoop_home：d:\adasoftware\hadoop
• 在系统变量path中添加：d:\adasoftware\hadoop\bin
• 安装组件winutils：将winutils中对应的hadoop版本中的bin替换自己hadoop安装目录下的bin
  

3.spark环境变量配置

spark是基于hadoop之上的，运行过程中会调用相关hadoop库，如果没配置相关hadoop运行环境，会提示相关出错信息，虽然也不影响运行。

• 下载对应hadoop版本的spark：http://spark.apache.org/downloads.html
• 解压文件到：d:\adasoftware\spark-2.4.3-bin-hadoop2.7
• 添加path值：d:\adasoftware\spark-2.4.3-bin-hadoop2.7\bin;
• 新建系统变量spark_home：d:\adasoftware\spark-2.4.3-bin-hadoop2.7;
  

4.下载安装anaconda

anaconda集成了python解释器和大多数python库，安装anaconda 后不用再安装python和pandas numpy等这些组件了。下载地址。最后将python加到path环境变量中。

5.在cmd中运行pyspark，出现类似下图说明安装配置正常：

出现这种warning是因为jdk版本为12，太高了，但是不影响运行。没有影响。

6.在pycharm中配置spark

打开pycharm，创建一个project。然后选择“run” ->“edit configurations”–>点击+创建新的python configurations

选择 “environment variables” 增加spark_home目录与pythonpath目录。

• spark_home:spark安装目录
• pythonpath:spark安装目录下的python目录

选择 file->setting->你的project->project structure

右上角add content root添加：py4j-some-version.zip和pyspark.zip的路径（这两个文件都在spark中的python文件夹下）

保存即可

7.测试是否配置成功，程序代码如下，创建一个python程序放进去就可以：

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)

若程序正常输出: "successfully imported spark modules"就说明环境已经可以正常执行。

 以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。