未加星标

PyCharm开发PySpark程序的配置和实例

字体大小 | |
[开发(python) 所属分类 开发(python) | 发布者 店小二03 | 时间 2018 | 作者 红领巾 ] 0人收藏点击收藏

对于PyCharm,需要作如下设置:

1、安装pyspark,它会自动安装py4j

2、在edit configuration中,add content root,选择spark下载包的python/pyspark/lib下的pyspark.zip和py4j.zip两个包;

代码实例:

from pyspark.sql import Row from pyspark.sql import SparkSession logFile = "file:///Users/peishuaishuai/tmp/sparktest.txt"# Should be some file on your system spark = SparkSession.builder.appName("SimpleApp").getOrCreate() input = spark.read.text(logFile).rdd.map( lambda x: str(x[0]).split("\t") ).filter( lambda x: len(x) == 2 ).map( lambda x: Row(name=x[0], grade=int(x[1])) ) schemaData = spark.createDataFrame(input) schemaData.createOrReplaceTempView("tb") print(schemaData.count()) schemaData.printSchema() datas = spark.sql("select name,sum(grade) from tb group by name").rdd.map( lambda x: "\t".join([x[0], str(x[1])]) ) datas.repartition(3).saveAsTextFile("file:///Users/peishuaishuai/tmp/sparktest_output") spark.stop()

输入数据为:

name1 11 name2 12 name3 13 name4 14 name5 15 name1 16 name2 17 name3 18 name4 19 name5 20 name11 21 name12 22 name1 23 name2 24 name3 25 name4 26 name5 27 name18 28 name19 29 name20 30 name21 31 name1 32 name2 33 name3 34 name4 35 name5 36 name27 37 name28 38 name29 39 name1 40 name2 41 name3 42 name4 43

输出 print结果为:

33 root |-- grade: long (nullable = true) |-- name: string (nullable = true)

文件中内容为:

name3 132 name19 29 name2 127 name12 22 name11 21 name20 30 name28 38 name27 37 name5 98 name29 39 name21 31 name4 137 name1 122 name18 28

pyspark开发起来,有点问题就是当级联过多的时候,类型可能丢失,导致代码没有提示,这点很不爽。

其实对比了python、scala、java,我觉得编写大型的spark代码,用Java是最靠谱的,因为它强类型,代码提示很爽很直观。

本文开发(python)相关术语:python基础教程 python多线程 web开发工程师 软件开发工程师 软件开发流程

代码区博客精选文章
分页:12
转载请注明
本文标题:PyCharm开发PySpark程序的配置和实例
本站链接:https://www.codesec.net/view/621219.html


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 开发(python) | 评论(0) | 阅读(38)