Windows 10 下單機 Spark 環境搭建

【目的】

　　Windows 10 裸機搭建 Spark 環境，使能運行 PySpark Shell。

【原料】

• Windows 10 x64

• jdk-8u162-windows-x64.exe

• python-3.6.7-amd64.exe

• spark-2.3.2-bin-hadoop2.7.tgz

• hadoop-2.7.7.tar.gz

• winutils.exe
  

【安裝 JDK】

• 雙擊 jdk-8u162-windows-x64.exe 安裝，后續基本上就是一路“next”。

• 配置環境變量

# 可通過 echo %JAVA_HOME% 檢驗
JAVA_HOME: C:\Program Files\Java\jdk1.8.0_162
# 可通過 echo %CLASS_PATH% 檢驗
CLASS_PATH: C:\Program Files\Java\jdk1.8.0_162\lib
# 可通過 echo %PATH% 檢驗
Path: C:\Program Files\Java\jdk1.8.0_162\bin

【安裝 Python3】

• 雙擊 python-3.6.7-amd64.exe 安裝

• 為了便于代碼補全，建議安裝以下兩個第三方包

# 安裝ipython
pip3 install ipython -i https://pypi.doubanio.com/simple/
# 安裝pyreadline
pip3 install pyreadline -i https://pypi.doubanio.com/simple/

【安裝 Spark】

• 到 http://spark.apache.org/downloads.html  下載 spark-2.3.2-bin-hadoop2.7.tgz 并解壓，walker 解壓到了 D:\spark 目錄。

• 到這里，pyspark 已經可以運行了，但會提示找不到 winutils.exe。

• 配置環境變量

SPARK_HOME: D:\spark\spark-2.3.2-bin-hadoop2.7
PATH: D:\spark\spark-2.3.2-bin-hadoop2.7\bin

【安裝 Hadoop】

• 到 https://archive.apache.org/dist/hadoop/common/hadoop-2.7.7/ 下載 hadoop-2.7.7.tar.gz 并解壓。如果報錯“Can not create symbolic link : 客戶端沒有所需特權。”，以管理員身份運行解壓軟件后解壓即可。

• 配置環境變量

HADOOP_HOME: D:\spark\hadoop-2.7.7
PATH: D:\spark\hadoop-2.7.7\bin

• 修改 D:\spark\hadoop-2.7.7\etc\hadoop\文件，否則可能報類似這種錯誤“Error: JAVA_HOME is incorrectly set. Please update F:\hadoop\conf\hadoop-env.cmd”

# 因為 JAVA_HOME 環境變量有空格，所以做如下修改
set JAVA_HOME=%JAVA_HOME%
# --->>>
set JAVA_HOME=C:\PROGRA~1\Java\\jdk1.8.0_162

• 開 cmd 輸入 hadoop version，有如下輸出即正常

Hadoop 2.7.7
Subversion Unknown -r c1aad84bd27cd79c3d1a7dd58202a8c3ee1ed3ac
Compiled by stevel on 2018-07-18T22:47Z
Compiled with protoc 2.5.0
From source with checksum 792e15d20b12c74bd6f19a1fb886490
This command was run using /D:/spark/hadoop-2.7.7/share/hadoop/common/hadoop-common-2.7.7.jar

【winutils.exe】

• 到 https://github.com/steveloughran/winutils 下載對應版本的 winutils.exe，放入 D:\spark\hadoop-2.7.7\bin。

【Python 腳本測試】

• 腳本如下（t.py）

from pyspark import SparkConf, SparkContext

conf = SparkConf().setMaster("local").setAppName("My App")
sc = SparkContext(conf = conf)
print('***************************** %s' % sc.appName)
sc.stop()

• 用 spark-submit t.py 命令運行腳本，包含如下輸出即正確。

***************************** My App

【FAQ】

• 報錯 ModuleNotFoundError: No module named 'resource'
  

      可能你用的 spark 版本對 Windows 10 太新了，換成 Spark 2.3.2 或以下的版本即可。

【相關閱讀】

• windows10上配置pyspark工作環境
  

*** walker ***