unbuntu系统:python2.7安装pyspark

　　之前在进行搜索引擎rank-svm排序模型训练时，直接使用python读取的HDFS日志文件、统计计算等预处理操做再进行svm模型，最终产生出训练模型。如今回想一下，数据预处理这一块彻底可使用spark进行，并且看起来更“正规一点”和高大上，并借机接触一下大数据。pyspark的安装折腾了一上午，这篇文章简述一下unbuntu下如何安装pyspak。

       主要过程：1） 安装jdk1.8；   2）安装pyspark；   3）安装py4j。

       jdk1.8的安装相对简单，这里省略。下面介绍安装pyspark。

      1.pip命令安装

         官方文档说pypi已经支持pyspark，所以对于python用户，可使用pip install pyspak命令进行（前提是你已经安装了pip）。该命令执行后一段时间，会出现以下打印

　　而后，你能够泡壶茶，静静等待。。。

      在安装过程当中，你可能会遇到2个问题：1）安装的过程当中出现timeout的问题，这个问题是站点或者网络问题，能够延长pip install的默认超时时间（15s）来解决，例如设置默认超时时间100s：pip install --default-time=100 pyspark ；  2） 若是你使用的python版本太低，例如python2.7,在安装的过程当中，会抛出以下异常

　　白色字体提示：InsecurePlatformWarning: A true SSLContext object is not available. This prevents urllib3 from configuring SSL appropriately and may cause certain SSL connections to fail. You can upgrade to a newer version of Python to solve this.

　　意思就是说建议你升级python版本。笔者的不少脚本都是python2.7.14的，所以升级python2.7是万万不可能的，那么智能另辟蹊径了，看下面。

2. 源码包绿色安装

    若是pip命令安装不可行，则可使用该方法。

    1） 下载spark-2.3.0-bin-hadoop2.7.tgz

    2） 而后tar -xzf spark-2.3.0-bin-hadoop2.7.tgz，以后在解压的bin目录下就能够能够看到pyspark了。

   

   3）运行./pyspark

      点背啊，又遇到问题了：zipimport.ZipImportError: can't decompress data; zlib not available。解决办法：

     (1) 先安装系统相应的依赖库文件： sudo apt-get install zlibc zlib1g-dev

     (2) 到python安装目录下执行：  sudo ./configure

     (3) 编辑Modules/Setup文件：

         vim Modules/Setup

         找到下面这句，去掉注释

         #zlib zlibmodule.c -I$(prefix)/include -L$(exec_prefix)/lib -lz

     (4) 从新编译安装：

　　　　sudo make

　　　　sudo make -i install

     从新编译安装后，在运行./pyspark,终于出现spark图标了，以下。

 

4）配置变量，增长/home/taoli5/software/pyspark/spark-2.3.0-bin-hadoop2.7/bin目录，这样之后就能够在任何地方直接调用pyspark了。

 

3.安装py4j，直接执行sudo pip install py4j就好了。

4,.测试pyspark

>>>pyspark
>>> textFile = spark.read.text("README.md")
>>> textFile.count()
[Stage 0:>                                                          (0 +[Stage 0:===========================================================(1 +                                                                        103     
>>> textFile.count()
103
>>> textFile.filter(textFile.value.contains("Spark")).count()
20
>>> 

 

至此，整个安装过程就完成了，good lock！