Hadoop学习笔记(9)-Spark的jupyter notebook开发环境搭建

安装Python

更新软件包，以免有些安装包找不到。

sudo apt-get update

安装 python3，默认 python3 将安装最新版本，一般Ubuntu都自带python在 /usr/local目录下

sudo apt-get install python3

安装python第三方安装工具：

sudo apt-get install python3-pip

查看Python版本信息

python3 -V

jupyter notebook介绍与安装

jupyter notebook简介

Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。

简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。

jupyter notebook的安装

命令行下载 jupyter notebook

pip3 install jupyter -i https://pypi.tuna.tsinghua.edu.cn/simple

这时已经装好了，但是运行jupyter notebook会显示找不到命令，这就需要配置环境变量。

利用find命令查找jupyter的安装路径。

find -name jupyter

利用gedit命令编辑相关文件。

sudo gedit ~/.bashrc

将上面我们查找的jupter路径添加到环境变量中，也就是以下路径。

export PATH=~/.local/bin:${PATH}

令环境变量生效

source ~/.bashrc

运行 jupyter notebook

这时会自动跳转到jupter的网页，要是没有跳转可以在浏览器输入 http://localhost:8888/tree

连接jupyter与spark

安装 findspark

pip3 install findspark

测试 jupyter 是否成功连接 spark

import findspark
findspark.init("/usr/local/spark") # 指明SPARK_HOME
import pyspark
from pyspark import SparkContext, SparkConf
print("hello spark")

成功连接则会输出hello spark。

Spark环境下的一些基本操作

Spark环境下的Pi值计算

import findspark
findspark.init("/usr/local/spark") # 指明SPARK_HOME
import pyspark
from pyspark import SparkContext, SparkConf
import random
sc = SparkContext(appName="Pi")
num_samples = 1000000
def inside(p):
    x, y = random.random(), random.random()
    return x*x + y*y < 1
count = sc.parallelize(range(0, num_samples)).filter(inside).count()
pi = 4 * count / num_samples
print(pi)
sc.stop()

Spark环境下的WordCount计算

import findspark
findspark.init("/usr/local/spark") # 指明SPARK_HOME
import pyspark
from pyspark import SparkContext, SparkConf

conf = SparkConf().setAppName("wordcount")
sc = SparkContext(conf=conf)
text_file = sc.textFile("file:/home/hadoop/Desktop/xjh.txt")
counts = text_file.flatMap(lambda line: line.split(" ")) \
            .map(lambda word: (word, 1)) \
            .reduceByKey(lambda a, b: a + b)
print(counts.collect())
sc.stop()

Spark Streaming计算

import findspark
findspark.init("/usr/local/spark") # 指明SPARK_HOME
import pyspark
from pyspark import SparkContext
from pyspark.streaming import StreamingContext
sc = SparkContext("local[2]", "NetworkWordCount")
ssc = StreamingContext(sc, 10)
from operator import add
from pyspark import SparkContext, SparkConf
from pyspark.streaming import StreamingContext
lines = ssc.textFileStream("file:/home/hadoop/Desktop")
words = lines.flatMap(lambda line: line.split(' '))
wordCounts = words.map(lambda x: (x,1)).reduceByKey(add)
wordCounts.pprint()
ssc.start()
ssc.awaitTermination()

以上就是此次给大家分享的Hadoop学习笔记-Spark的jupyter notebook开发环境搭建，以及利用spark进行的一些基本的操作，在这个过程中也学到了很多，写下来分享给大家，有什么不太清楚的地方还需要大家指点迷津。