Linux下Spark框架配置（Python）

简述

　　  Spark是UC Berkeley AMP lab所开源的类Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。由于spark带有Python的API，而本人比较专于Python语言。因此在此分享一下我在配置spark的方法以及心得。

配置过程

步骤一：

下载scala压缩包，进入链接http://www.scala-lang.org/,点击download下载scala，并解压到当前目录下。

下载jdk压缩包，进入链接http://www.oracle.com/technetwork/java/javase/downloads/index.html，下载最新版jdk，若为64位系统请下载jdk-8u91-linux-x64.tar.gz（本人下载版本为8u91，系统为64位）,32位系统下载jdk-8u91-linux-i586.tar.gz，下载完成后解压到当前目录下。

下载spark压缩包，进入链接https://spark.apache.org/downloads.html，选择当前最新版本人为1.6.2，点击下载。

步骤二：

　　1.打开命令行窗口。

　　2.执行命令    sudo -i

　　3.进入到解压文件所在目录

　　4.将j解压文件转移到opt目录下

　　　　执行 mv jdk1.8.0_91 /opt/jdk1.8.0_91

　　　　执行 mv scala-2.11.8  /opt/scala-2.11.8

　　　　执行 mv spark-1.6.2-bin-hadoop2.6  /opt/spark-hadoop

步骤三：

配置环境变量,编辑/etc/profile,执行以下命令

　　　　sudo gedit /etc/profile

在文件最下方增加（注意版本）：

#Seeting JDK JDK环境变量

export JAVA_HOME=/opt/jdk1.8.0_91

export JRE_HOME=${JAVA_HOME}/jre

export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib

export PATH=${JAVA_HOME}/bin:${JRE_HOME}/bin:$PATH

#Seeting Scala Scala环境变量

export SCALA_HOME=/opt/scala-2.11.8

export PATH=${SCALA_HOME}/bin:$PATH

#setting Spark Spark环境变量

export SPARK_HOME=/opt/spark-hadoop/

#PythonPath 将Spark中的pySpark模块增加的Python环境中

export PYTHONPATH=/opt/spark-hadoop/python

保存文件， 重启电脑，使/etc/profile永久生效，临时生效，打开命令窗口，执行 source /etc/profile  在当前窗口生效

步骤四：

测试安装结果

打开命令窗口，切换到Spark根目录

执行 ./bin/spark-shell,打开Scala到Spark的连接窗口

　　执行结果如上，则无误

执行./bin/pyspark ,打开Python到Spark的连接窗口

则安装无误

• Python安发Spark应用

• 前面已设置PYTHONPATH，将pyspark加入到Python的搜寻路径中

• 打开Spark安装目录（/opt/spark-hadoop），在/opt/spark-hadoop/Python/lib文件夹下解压py4j,并复至到/opt/spark-hadoop/Python目录下。

在pycharm中测试，出现如下红色字眼，则配置成功。

参考至：http://www.open-open.com/lib/view/open1432192407317.html