Python pycharm（windows版本）部署spark环境
一 部署本地spark环境
解压下载的文件，假设解压 目录为：D:\Spark-1.6.0-bin-hadoop2.6。将D:\spark-1.6.0-bin-hadoop2.6\bin添加到系统Path变量，同时新建SPARK_HOME变量，变量值为：D:\spark-1.6.0-bin-hadoop2.6
1.3 Hadoop相关包的安装
spark是基于hadoop之上的，运行过程中会调用相关hadoop库，如果没配置相关hadoop运行环境，会提示相关出错信息，虽然也不影响运行。
去下载hadoop 2.6编译好的包https://www.barik.net/archive/2015/01/19/172716/，我下载的是hadoop-2.6.0.tar.gz，解压下载的文件夹，将相关库添加到系统Path变量中：D:\hadoop-2.6.0\bin；同时新建HADOOP_HOME变量，变量值为：D:\hadoop-2.6.0。同时去github上下载一个叫做 winutils 的组件，地址是 https://github.com/srccodes/hadoop-common-2.2.0-bin 如果没有hadoop对应的版本(此时版本是 2.6)，则去csdn上下载 http://download.csdn.net/detail/luoyepiaoxin/8860033，
我的做法是把CSDN这个压缩包里的所有文件都复制到 hadoop_home的bin目录下
二 Python环境
Spark提供了2个交互式shell, 一个是pyspark(基于python), 一个是spark_shell(基于Scala). 这两个环境其实是并列的, 并没有相互依赖关系, 所以如果仅仅是使用pyspark交互环境, 而不使用spark-shell的话, 甚至连scala都不需要安装.
2.1 下载并安装Anaconda
anaconda是一个集成了python解释器和大多数python库的系统，安装anaconda 后可以不用再安装python和pandas numpy等这些组件了。下载地址是 https://www.continuum.io/downloads。将python加到path环境变量中
三 启动pyspark验证
在windows下命令行中启动pyspark,如图:
四 在pycharm中配置开发环境
4.1 配置Pycharm
打开PyCharm，创建一个Project。然后选择“Run” ->“Edit Configurations”
-
SPARK_HOME:Spark安装目录
-
PYTHONPATH:Spark安装目录下的Python目录
4.2 测试程序
先测试环境是否正确，代码如下:
import os
import sys
# Path for spark source folder
os.environ['SPARK_HOME']="D:\javaPackages\spark-1.6.0-bin-hadoop2.6"
# Append pyspark to Python Path
sys.path.append("D:\javaPackages\spark-1.6.0-bin-hadoop2.6\python")
try:
from pyspark import SparkContext
from pyspark import SparkConf
print ("Successfully imported Spark Modules")
except ImportError as e:
print ("Can not import Spark Modules", e)
sys.exit(1)
测试程序代码来源于 github :https://gist.github.com/bigaidream/40fe0f8267a80e7c9cf8
转原博客地址：http://blog.csdn.net/huangxia73/article/details/51372557
注意：
可能会报没有 py4j ( 它是python用来连接java的中间件)
可以用命令安装：pip install py4j
作者：dy9776
来源链接：https://www.cnblogs.com/nucdy/p/6776187.html
