windows安裝spark及PyCharm IDEA調(diào)試TopN的示例分析

這篇文章給大家分享的是有關(guān)windows安裝spark及PyCharm IDEA調(diào)試TopN的示例分析的內(nèi)容。小編覺得挺實(shí)用的，因此分享給大家做個(gè)參考，一起跟隨小編過來看看吧。

1、安裝 jdk

安裝spark第一步就是安裝jdk(無論windows還是linux)，spark執(zhí)行依賴jdk。在oracle官網(wǎng)上下載jdk，這里我選擇的是8u74 windows x64版本，你也可以根據(jù)自己的需求下載，jdk的安裝在此不表，無非就是下一步，選安裝路徑什么的。

2、安裝spark

在Apache Spark?官方網(wǎng)站下載spark，選擇spark-1.6.0-bin-hadoop2.6.tgz。

添加spark環(huán)境變量，在PATH后面追加：
%SPARK_HOME%\bin
%SPARK_HOME%\sbin

windows 環(huán)境下的spark搭建完畢?。?！

注意此處有坑：

Failed to locate the winutils binary in the hadoop binary path java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.

spark雖然支持standalone模式，并且不依賴hadoop。但是在windows環(huán)境下還是需要hadoop的這個(gè)winutils.exe。因此需要下載2.6版本匹配的winutils.exe. 可以google "hadoop.dll 2.6" 或在此下載(hadoop dll  winutils.exe，GitHub各種版本都有), 將下載后的文件覆蓋至hadoop的bin目錄（沒有的話需要建個(gè)目錄，并設(shè)置相應(yīng)hadoop環(huán)境HADOOP_HOME及PATH環(huán)境變量）。

3、搭建 pyspark 開發(fā)環(huán)境

spark支持scala、python和java，由于對(duì)python的好感多于scala，因此開發(fā)環(huán)境是Python。
下面開始搭建python環(huán)境：

2.7或3.5均可，安裝過程在此不表，安裝完成后在環(huán)境變量里添加PYTHONPATH，這一步很重要：

如果配置正確，打開python自帶的IDE，輸入以下代碼，然后等待連接成功的消息即可：

from pyspark import SparkConf, SparkContext 
conf = SparkConf().setMaster("local").setAppName("MY First App") 
sc = SparkContext(conf = conf)

也可以手動(dòng)啟動(dòng)測(cè)試下：

spark-class.cmd org.apache.spark.deploy.master.Master
spark-class.cmd org.apache.spark.deploy.worker.Worker spark://localhost:7077

4、SPARK分析CSDN密碼庫(kù)常用密碼 TOP10

# coding=utf-8
# 測(cè)試utf-8編碼
from __future__ import division
import decimal
from pyspark import SparkConf, SparkContext, StorageLevel

import sys
reload(sys)
sys.setdefaultencoding('utf-8')

conf = SparkConf().setMaster("local").setAppName("CSDN_PASSWD_Top10")
sc = SparkContext(conf=conf)

file_rdd = sc.textFile("H:\mysql\csdn_database\www.csdn.net.sql")
passwds = file_rdd.map(lambda line: line.split("#")[1].strip()).map(lambda passwd: (passwd, 1)).persist(
    storageLevel=StorageLevel.MEMORY_AND_DISK_SER)
passwd_nums = passwds.count()
top10_passwd = passwds.reduceByKey(lambda a, b: a + b).sortBy(lambda item: item[1], ascending=False).take(10)
for item in top10_passwd:
    print item[0] + "\t">

5、Scala-Shell 版本

代碼如下：

C:\Users\username>spark-shell

scala> val textFile = spark.read.textFile("C:\\Users\\username\\Desktop\\parse_slow_log.py")
textFile: org.apache.spark.sql.Dataset[String] = [value: string]

scala> textFile.count()
res0: Long = 156

scala> textFile.first()
res1: String = # encoding: utf-8

scala> val linesWithSpark = textFile.filter(line => line.contains("Spark"))
linesWithSpark: org.apache.spark.sql.Dataset[String] = [value: string]

scala> textFile.filter(line => line.contains("Spark")).count()
res2: Long = 0

scala> textFile.map(line => line.split(" ").size).reduce((a, b) => if (a > b) a else b)
res3: Int = 27

scala> val wordCounts = textFile.flatMap(line => line.split(" ")).groupByKey(identity).count()
wordCounts: org.apache.spark.sql.Dataset[(String, Long)] = [value: string, count(1): bigint]

scala> wordCounts.collect()
res4: Array[(String, Long)] = Array((self.slowlog,1), (import,3), (False,,1), (file_name,,1), (flag_word,3), (MySQL,1), (else,1), (*,2), (slowlog,1), (default=script_path),1), (0,4), ("",2), (-d,1), (__auther,1), (for,5...
scala

感謝各位的閱讀！關(guān)于“windows安裝spark及PyCharm IDEA調(diào)試TopN的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，讓大家可以學(xué)到更多知識(shí)，如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到吧！