windows下spark的安装和运行 建议看到这篇文章(描述非常详细)
一、创建项目和.py文件
二、在pycharm中添加spark环境
若是左侧的python中没有,可点击‘'+‘'号进行添加
配置spark环境:总共3个(SPARK_HOME、HADOOP_HOME、PYTHONPATH)
(注:SPARK_HOME和HADOOP_HOME已在系统的环境变量添加,故这里不再添加)
在编写代码时,建议添加如下代码,保证程序能够运行成功:
import os import sys import findspark # 一定要在最前面导入 '''初始化spark环境''' findspark.init() # Path for spark source folder os.environ['SPARK_HOME'] = "G:\Spark\Install\spark-2.4.3-bin-hadoop2.7" # Append pyspark to Python Path sys.path.append("G:\Spark\Install\spark-2.4.3-bin-hadoop2.7\python") '''示例''' from pyspark import SparkContext,SparkConf from pyspark.sql import SparkSession from pyspark.sql import Row # SparkContext是spark功能的主要入口 sc = SparkContext("local", "app") RawSalesDataRDD = sc.textFile("G:\\Spark\\作业\\taxi.csv") print(RawSalesDataRDD.take(5)) salesRDD = RawSalesDataRDD.map(lambda line: line.split(",")) print(salesRDD.take(5)) taxi_Rows = salesRDD.map(lambda p: Row( id=p[0], lat=p[1], lon=p[2], time=p[3] )) sqlContext = SparkSession.builder.getOrCreate() taxi_df = sqlContext.createDataFrame(taxi_Rows) print(taxi_Rows.take(5)) print('查看dataframe的字段名称和前5行数据:') taxi_df.printSchema() taxi_df.show(5) '''使用SQL语句 操作表数据''' # #创建临时表taxi_table taxi_df.registerTempTable("taxi_table") # 查询编号为 5 的出租车的 GPS 数据的前 10 行 taxi_df.filter("id='5'").show(10) taxi_df.where("id='5'").show(10) sqlContext.sql("select * from taxi_table where id='5'").show(10)
代码运行结果:
到此这篇关于windows下pycharm搭建spark环境并成功运行 附源码的文章就介绍到这了,更多相关pycharm搭建spark环境内容请搜索自学编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持自学编程网!
- 本文固定链接: https://zxbcw.cn/post/210836/
- 转载请注明:必须在正文中标注并保留原文链接
- QQ群: PHP高手阵营官方总群(344148542)
- QQ群: Yii2.0开发(304864863)