在 IntelliJ IDEA 中编写和运行 pyspark

Question

我正在尝试在 IntelliJ 中使用 Pyspark，但我无法弄清楚如何正确安装它/设置项目。 我可以在 IntelliJ 中使用 Python，我可以使用 pyspark shell，但我无法告诉 IntelliJ 如何找到 Spark 文件（导入 pyspark 结果为“ImportError: No module named pyspark”）。

感谢有关如何包含/导入 spark 以便 IntelliJ 可以使用它的任何提示。

谢谢。

更新：

我试过这段代码：

from pyspark import SparkContext, SparkConf
spark_conf = SparkConf().setAppName("scavenge some logs")
spark_context = SparkContext(conf=spark_conf)
address = "C:\test.txt"
log = spark_context.textFile(address)

my_result = log.filter(lambda x: 'foo' in x).saveAsTextFile('C:\my_result')

带有以下错误消息：

Traceback (most recent call last):
File "C:/Users/U546816/IdeaProjects/sparktestC/.idea/sparktestfile", line 2, in <module>
spark_conf = SparkConf().setAppName("scavenge some logs")
File "C:\Users\U546816\Documents\Spark\lib\spark-assembly-1.3.1-hadoop2.4.0.jar\pyspark\conf.py", line 97, in __init__
File "C:\Users\U546816\Documents\Spark\lib\spark-assembly-1.3.1-hadoop2.4.0.jar\pyspark\context.py", line 221, in _ensure_initialized
File "C:\Users\U546816\Documents\Spark\lib\spark-assembly-1.3.1-hadoop2.4.0.jar\pyspark\java_gateway.py", line 35, in launch_gateway

File "C:\Python27\lib\os.py", line 425, in __getitem__
return self.data[key.upper()]
KeyError: 'SPARK_HOME'

Process finished with exit code 1

Answer 1

在程序运行/调试配置中为（ SPARK_HOME和PYTHONPATH ）设置环境路径。

例如：

SPARK_HOME=/Users/<username>/javalibs/spark-1.5.0-bin-hadoop2.4/python/
PYTHON_PATH=/Users/<username>/javalibs/spark-1.5.0-bin-hadoop2.4/python/pyspark

请参阅 IntelliJ Idea 中的附加快照

Answer 2

例如，这样的事情：

from pyspark import SparkContext, SparkConf
spark_conf = SparkConf().setAppName("scavenge some logs")
spark_context = SparkContext(conf=spark_conf)
address = "/path/to/the/log/on/hdfs/*.gz"
log = spark_context.textFile(address)

my_result = (log.

...here go your actions and transformations...

).saveAsTextFile('my_result')

Answer 3

我遇到的 1 个问题是环境变量 SPARK_HOME 和 PYTHONPATH 的“Program Files\\spark”中的空间（如上所述），因此我将 spark 二进制文件移到了我的用户目录中。 感谢这个答案。 另外，请确保为环境安装了软件包。 确保您在 Project Structure -> Platform Settings SDK -> Python SDK (of choice) -> Packages 中看到 pyspark 包。