PySpark - Pengaturan Lingkungan

Dalam bab ini, kita akan memahami pengaturan lingkungan PySpark.

Note - Ini mengingat Anda telah menginstal Java dan Scala di komputer Anda.

Mari kita sekarang mengunduh dan mengatur PySpark dengan langkah-langkah berikut.

Step 1- Buka halaman unduhan resmi Apache Spark dan unduh versi terbaru Apache Spark yang tersedia di sana. Dalam tutorial ini, kami menggunakanspark-2.1.0-bin-hadoop2.7.

Step 2- Sekarang, ekstrak file tar Spark yang diunduh. Secara default, ini akan diunduh di direktori Unduhan.

# tar -xvf Downloads/spark-2.1.0-bin-hadoop2.7.tgz

Ini akan membuat direktori spark-2.1.0-bin-hadoop2.7. Sebelum memulai PySpark, Anda perlu mengatur lingkungan berikut untuk mengatur jalur Spark danPy4j path.

export SPARK_HOME = /home/hadoop/spark-2.1.0-bin-hadoop2.7
export PATH = $PATH:/home/hadoop/spark-2.1.0-bin-hadoop2.7/bin
export PYTHONPATH = $SPARK_HOME/python:$SPARK_HOME/python/lib/py4j-0.10.4-src.zip:$PYTHONPATH
export PATH = $SPARK_HOME/python:$PATH

Atau, untuk menyetel lingkungan di atas secara global, letakkan di .bashrc file. Kemudian jalankan perintah berikut agar lingkungan berfungsi.

# source .bashrc

Sekarang setelah kita mengatur semua lingkungan, mari kita pergi ke direktori Spark dan memanggil shell PySpark dengan menjalankan perintah berikut -

# ./bin/pyspark

Ini akan memulai shell PySpark Anda.

Python 2.7.12 (default, Nov 19 2016, 06:48:10) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.1.0
      /_/
Using Python version 2.7.12 (default, Nov 19 2016 06:48:10)
SparkSession available as 'spark'.
<<<