win10下Anaconda3在虚拟环境python_version=3.5.3 中配置pyspark

1. 序
经过了一天的修炼，深深被恶心了，在虚拟环境中配置pyspark花式报错，由于本人实在是不想卸载3.6版的python,所以硬刚了一天，终于摸清了配置方法，并且配置成功，不抱怨了，开讲：

2. 需求环境
Anaconda3;(我的是最新版的Anaconda4.3.1(64位))

3. 安装虚拟环境
1、创建Python虚拟环境。
使用 conda create -n your_env_name python=3.5（2.7、3.6等） anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。
2、 激活虚拟环境
activate your_env_name
3、 安装虚拟环境包
conda install -n your_env_name
至此一个名字是your_env_name的虚拟环境就建好了，它的python版本是3.5版本的，可以通过cmd进入，然后输入activate your_env_name在输出python然后查看到

4. 资源准备
spark_2.2.0_bin-hadoop2.7.tgz

根据自己的需求版本，可以下载不同的spark版本，我用的是spark-2.0.1-bin-hadoop2.7，之后解压，注意存放的路径一定不能带空格，例如放到C:\Program Files就不行。这里我放到了D:\spark；之后就是添加环境变量。
有两种方法：
1、直接在path中添加环境变量：将D:\spark\spark-2.0.1-bin-hadoop2.7\bin，和D:\spark\spark-2.0.1-bin-hadoop2.7\sbin都加到环境变量中。
2、先新建一个SPARK_HOME的环境变量，值为D:\spark\spark-2.0.1-bin-hadoop2.7，之后将%SPARK_HOME%\bin和%SPARK_HOME%\sbin加入到path中
如果想看是否添加成功，需要将虚拟环境加入到path变量中，然后上移到原始python=3.6的路径前面，之后再cmd中输入pyspark就会出现下面的情况。注意：如果虚拟环境的路径不在原始路径前面会出现找不到路径的情况，当然这个路径只是为了看是否安装成功，跟在pycharm中运行成功与否没有任何关系，你也可以再变换回去。

spark的依赖环境中有对hadoop的需求，因此还需要下载对应版本的hadoop，这里面我下载的是有关hadoop2.7+的资源，无需安装完整的Hadoop，但需要hadoop.dll，winutils.exe等。根据下载的Spark版本，下载相应版本的hadoop2.7.1。
解压，添加环境变量(如pyspark添加环境变量一样，同样有两种方法)，经过我的测试，好像这里面的资源不太够，反正我用着会报错，因此我选择了从原始资源中下载bin文件，然后替换了前面hadoop2.7.1里面的bin文件。
要想在PyCharm中调用pySpark,需要加载包。将D:\spark\spark-2.0.1-bin-hadoop2.7\python文件夹下pySpark文件夹拷贝到D:\ProgramData\Anaconda3\envs\tensorflow\Lib\site-packages**（注：这个地方是要拷贝到虚拟环境的包路径）

4. 1关键
注意咯，，，接下来这步操作决定我们是否能够完成配置，，，
1、在D:\spark\spark-2.0.1-bin-hadoop2.7\bin文件夹下找到pyspark文件，然后用notepad++打开。
2、找到export PYSPARK_PYTHON然后把这个地方变成export PYSPARK_PYTHON=python3
3、保存。。。大功告成
4、重启（可以先略过此步，进行下面验证，如果验证还是花式报错（2）就可以上本步，成为大绝杀，然后可以爽歪歪用pyspark了）
到目前为止，我们的准备工作终于做好了，，，不容易啊。。。其实到现在为止我们也算是安装完成，，惊不惊喜，意不意外，，没想到这么简单吧，哈哈哈哈哈哈，接下来我们就可以验证了。。

5. 验证
在这里引用雪伦的例子，

新建wordCount.py文件，写代码
注意setAppName、setMaster中千万不要带空格，否则会出现“Java gateway process exited before sending the driver its port number”的报错

import sys
from operator import add

from pyspark import SparkContext

if __name__ == "__main__":
sc = SparkContext(appName="PythonWordCount")
lines = sc.textFile('words.txt')
counts = lines.flatMap(lambda x: x.split(' ')) \
.map(lambda x: (x, 1)) \
.reduceByKey(add)
output = counts.collect()
for (word, count) in output:
print "%s: %i" % (word, count)

sc.stop()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
其中words.txt中的内容是

good bad cool
hadoop spark mlib
good spark mlib
cool spark bad
1
2
3
4
然后运行，，，你会发现——————————————————————————报错了是不是，哈哈哈。虽然不知道你报的什么错，肯定报错了，这才是虚拟环境装pyspark迷人的地方，花式报错，，别着急，那是因为我们没有添加项目的环境变量，在图中环境变量位置把SPARK_HOME的路径添加进去，之后再运行

出现

这就说明我们已经大功告成啦啦啦啦啦啦！！！！！！！！！！！！！！
---------------------
作者：Biorad
来源：CSDN
原文：https://blog.csdn.net/loverminger/article/details/76095845
版权声明：本文为博主原创文章，转载请附上博文链接！