window10搭建pyspark（超级详细）

一、组件版本说明

Java JDK:1.8.0_144

spark-2.4.3-bin-hadoop2.7
hadoop-2.7.7

scala-2.12.8

hadooponwindows-master

Python3.7

注意事项：

Spark运行在Java 8 +，Python 2.7 + / 3.4 +和R 3.1+上。对于Scala API，Spark 2.4.3使用Scala 2.12。您需要使用兼容的Scala版本（2.12.x）

1、JDK安装

下载安装后配置环境变量：

配置环境变量的方法为电脑[右键]——>属性——>环境变量，编辑环境变量方法见下图

配置完成后：开启cmd窗口

2、配置Scala

下载地址：

https://www.scala-lang.org/download/2.12.8.html

安装完成后，配置环境变量

3、安装Spark

下载地址：

http://spark.apache.org/downloads.html

解压后配置环境变量：

4、安装hadoop

下载地址：

http://hadoop.apache.org/releases.html

解压后配置环境变量：

5、安装Python3.7

6、把hadooponwindows-master的bin覆盖hadoop-2.7.7的bin

7、处理Python相关

1，将spark所在目录下（比如我的D:\IT\bigdata\soft\spark-2.4.3-bin-hadoop2.7\python）的pyspark文件夹拷贝到python文件夹下（我的是D:\IT\python\Python\Lib\site-packages）

2，安装py4j库

一般的在cmd命令行下 pip install py4j 就可以。若是没有将pip路径添加到path中，就将路径切换到python的Scripts中，然后再 pip install py4j 来安装库。

3 修改权限

将winutils.exe文件放到Hadoop的bin目录下（我的是E:\spark\spark-2.1.0-bin-hadoop2.7\bin），然后以管理员的身份打开cmd，然后通过cd命令进入到Hadoop的bin目录下，然后执行以下命令：

winutils.exe chmod 777 c:\tmp\Hive
8、启动

9、使用Pycharm新建一个wordcount例程

from pyspark import SparkConf, SparkContext
# 创建SparkConf和SparkContext
conf = SparkConf().setMaster("local").setAppName("lichao-wordcount")
sc = SparkContext(conf=conf)
# 输入的数据
data = ["hello", "world", "hello", "word", "count", "count", "hello"]
# 将Collection的data转化为spark中的rdd并进行操作
rdd = sc.parallelize(data)
resultRdd = rdd.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)
# rdd转为collecton并打印
resultColl = resultRdd.collect()
for line in resultColl:
    print(line)

搭建完成啦！