配置spark的classpath
$ cd /usr/local/spark$ cp ./conf/spark-env.sh.template ./conf/spark-env.sh #
拷貝配置檔案
export spark_dist_classpath=$(/usr/local/hadoop/bin/hadoop classpath)儲存配置檔案後，就可以啟動、執行
spark了
在gedit~/.bashrc檔案中加入
圖1環境變數
source ~/.bashrc #執行如下命令啟動pyspark（無引數，預設是local[*]模式）環境變數生效
cd /usr/local/spark啟動pyspark，成功後在輸出資訊的末尾可以看到「>>>」的命令提示符./bin/pyspark
在裡面輸入python**進行測試：
圖2pyspark執行介面
準備英語文字 f1.txt
圖三英語文字
path='/home/hadoop/wc/f1.txt
'with open(path) as f:
text=f.read()
text = text.lower() #轉為小寫字母
for ch in
'!"#$%&()*+,-./:;<=>?@[\\]^_『~
':
text = text.replace(ch, '
')
words = text.split()
counts={}
for word in
words:
#若字典中無當前詞語則建立乙個鍵值對，若有則將原有值加1
counts[word] = counts.get(word, 0) + 1items = list(counts.items()) #
將無序的字典型別轉換為有序的列表型別
items.sort(key=lambda x: x[1], reverse=true) #圖四執行結果按統計值從高到低排序（以第二列排序）
for i in
range(len(items)):
word, count =items[i]
print("
".format(word, count)) #
格式化輸出詞頻統計結果
open('
output.txt
', '
a').write(word+"
\t\t\t
"+str(count)+"
\n") #
寫入output.txt中
2 安裝Spark與Python練習
檢查基礎環境hadoop，jdk 配置檔案 環境變數 啟動spark 試執行python 準備文字檔案 txt 讀檔案txt open bumi.txt r encoding utf 8 read 預處理 大小寫，標點符號，停用詞 將大寫字母變成小寫字母 txt txt.lower 去除標點符號及停...
2 安裝Spark與Python練習
一 安裝spark 檢查基礎環境hadoop,jdk 配置檔案 環境變數 試執行python 二 python程式設計練習 英文文字的詞頻統計 準備文字檔案 讀檔案預處理 大小寫，標點符號，停用詞 分詞統計每個單詞出現的次數 按詞頻大小排序 結果寫檔案 with open test.txt r as...
2 安裝Spark與Python練習
讀檔案 text open work1.txt r encoding utf 8 read 載入停用詞表 stopwords line.strip for line in open stopword.txt encoding utf 8 readlines list型別 分詞未去停用詞 text s...