win10下安装pyspark

一.【前言】

最近在用spark作练习因此需要安装pyspark，摸索了一阵子在win10、win7下都已安装成功，所以写点东西下来，给还在摸索的小伙伴一点帮助。  

二.【工具准备】

  1,jdk1.8

  2,spark-2.2.0-bin-dadoop2.7

  3,hadoop-2.7.1.tar

  4,winutils

具体如下：
1. Java: JDK 8u121 with NetBeans 8.2，你也可以下载单独的JDK 8u121，不带有IDE NetBeans 8.2
http://www.oracle.com/technetwork/java/javase/downloads/jdk-netbeans-jsp-142931.html

2.spark: spark-2.2.0-bin-hadoop2.7 
https://spark.apache.org/downloads.html

3.winutils.exe: 用于改变文件或文件夹读写权限的工具，本文下载的是针对Hadoop-2.7.4的64位的winutils.exe
https://github.com/steveloughran/winutils/tree/master/hadoop-2.6.4/bin

4.hadoop-2.7.1可到官网自行下载，或是从下文中分享文件中获得

三.【安装及系统环境变量设置】

  jdk的安装就不说了。

   Hadoop和Spark解压就可以，但是注意的是要确保解压的路径中不包含空格！

   然后是配置环境变量

环境变量设置截图

注意： 编辑系统变量PATH的值，将java,hadoop的相关bin路径添加进去，spark添加到它的主目录就够了，注意是添加，不要删除原有的其他应用的路径值！！！每个路径之间用英文半角的引号(;)分开

四.【将pyspark文件放到python文件夹下、使用winutils.exe修改权限】

1，将spark所在目录下（比如我的是D:\Software\spark-2.2.0-bin-hadoop2.7\python）的pyspark文件夹拷贝到python文件夹下（我的是D:\Program Files\python3.5.3\Lib\site-packages）

具体目录要看大家自己安装的时候是放在哪的！

2，安装py4j库

一般的在cmd命令行下 pip install py4j 就可以。若是没有将pip路径添加到path中，就将路径切换到python的Scripts中，然后再 pip install py4j 来安装库。

3，修改权限

将winutils.exe文件放到Hadoop的bin目录下（我的是D:\Software\hadoop-2.7.3\bin），然后以管理员的身份打开cmd，然后通过cd命令进入到Hadoop的bin目录下，然后执行以下命令：

winutils.exe chmod 777 c:\tmp\Hive

  注意：1，cmd一定要在管理员模式下！cmd一定要在管理员模式下！cmd一定要在管理员模式下！

     2，‘C:\tmp\hive’，一般按照上面步骤进行了之后会自动创建的，一般是在Hadoop的安装目录下出现。但是若没有也不用担心，自己在c盘下创建一个也行。

关闭命令行窗口，重新打开命令行窗口，输入命令：pyspark

  出现上面的窗口且不报错，那么恭喜你安装成功了！

五.【温馨提示】1.目前在使用win7和win10下的python版本3.5,3.6都是可以的~~

        2，为方便大伙操作方便，此文中用到的文件已经打包并分享到了百度云，链接：http://pan.baidu.com/s/1hrCzB4g 密码：lhmd

六.【参考】

http://blog.csdn.net/yaoqiwaimai/article/details/59114881