[大数据]MAC+Anaconda+Pyspark安装配置

在MAC的Anaconda上使用pyspark,主要包括以下步骤：

• 在MAC下安装Spark,并配置环境变量。
• 在Anaconda中安装引用pyspark。

1. MAC下安装Spark

??到Apark Spark官网上下载Spark文件，无论是windows系统，还是MAC系统，亦或者Linux系统，都可以下载这个文件(独立于系统)。
将下载的文件进行解压(可以使用命令行进行解压，也可以使用解压软件)。解压之后的文件如下：

配置环境变量。打开MAC命令行窗口，输入如下命令：

sudo vi ~/.bash_profile #bash_profile是当前用户的环境变量文件

打开bash_profile文件，并在该文件中增加以下两行命令：

export SPARK_HOME="/Users/sherry/documents/spark/spark-3.1.2-bin-hadoop2.7" #spark文件的完整解压目录
export PATH=${PATH}:${SPARK_HOME}/bin

如下图

保存并退出之后，运行以下命令：

source ~/.bash_profile #让修改的bash_profile生效
echo $PATH #查看环境变量，可以看到新增的路径名

一般MAC上使用的是zsh的shell工具，需要修改zshrc文件来使环境变量永久生效(若不修改该文件，在命令行中输入spark- shell或者pyspark时可能会提示zsh:command not found:pyspark 或 zsh:command not found spark-shell )。输入以下命令：

vi ~/.zshrc

修改该文件，添加如下命令：

if [ -f ~/.bash_profile ]; then
        source ~/.bash_profile
fi 

保存并退出即可。下面来验证spark是否正确安装，具体如下：
(1)命令行中输入spark-shell

(2)命令行中输入pyspark

至此，spark已经安装成功。

2.在Anaconda中引用pyspark

??想要在Anacond中使用pyspark, 只需将spark解压文件中python文件夹下的pyspark复制到Anaconda下的site-packages文件中。下面来验证一下是否能在spyder中使用pyspark, 使用如下代码：

from pyspark import SparkContext, SparkConf

if __name__ == "__main__":
    spark_conf = SparkConf()\
        .setAppName('Python_Spark_WordCount')\
        .setMaster('local[2]') 
    #使用spark最原始的API进行数据分析
    sc = SparkContext(conf=spark_conf)
    sc.setLogLevel('WARN')
    print (sc)
   # ------创建RDD，需要分析的数据 --------------------------------------
    def local_rdd(spark_context):
        datas = ['hadoop spark','hadoop hive spark','hadoop hive spark',\
                 'hadoop python spark','hadoop python spark',]
        return spark_context.parallelize(datas)

    rdd = local_rdd(sc)
    print (rdd.count())
    print (rdd.first())
    sc.stop()

运行发现提示如下错误：

从提示信息可以知道，找不到SPARK_HOME。可以在上述主函数中增加如下代码：

import os
#添加spark安装目录
os.environ['SPARK_HOME'] ='/Users/sherry/documents/spark/spark-3.1.2-bin-hadoop2.7'

重新运行即可得到如下结果：

5
hadoop spark