win10下Anaconda3在虛擬環境python_version=3.5.3 中配置pyspark

1. 序
通過了一天的修煉，深深被噁心了，在虛擬環境中配置pyspark花式報錯，因爲本人實在是不想卸載3.6版的python,因此硬剛了一天，終於摸清了配置方法，而且配置成功，不抱怨了，開講：

2. 需求環境
Anaconda3;(個人是最新版的Anaconda4.3.1(64位))

3. 安裝虛擬環境
一、建立Python虛擬環境。
使用 conda create -n your_env_name python=3.5（2.七、3.6等） anaconda 命令建立python版本爲X.X、名字爲your_env_name的虛擬環境。your_env_name文件能夠在Anaconda安裝目錄envs文件下找到。
二、 激活虛擬環境
activate your_env_name
三、 安裝虛擬環境包
conda install -n your_env_name
至此一個名字是your_env_name的虛擬環境就建好了，它的python版本是3.5版本的，能夠經過cmd進入，而後輸入activate your_env_name在輸出python而後查看到

 

4. 資源準備
spark_2.2.0_bin-hadoop2.7.tgz

根據本身的需求版本，能夠下載不一樣的spark版本，我用的是spark-2.0.1-bin-hadoop2.7，以後解壓，注意存放的路徑必定不能帶空格，例如放到C:\Program Files就不行。這裏我放到了D:\spark；以後就是添加環境變量。
有兩種方法：
一、直接在path中添加環境變量：將D:\spark\spark-2.0.1-bin-hadoop2.7\bin，和D:\spark\spark-2.0.1-bin-hadoop2.7\sbin都加到環境變量中。
二、先新建一個SPARK_HOME的環境變量，值爲D:\spark\spark-2.0.1-bin-hadoop2.7，以後將%SPARK_HOME%\bin和%SPARK_HOME%\sbin加入到path中
若是想看是否添加成功，須要將虛擬環境加入到path變量中，而後上移到原始python=3.6的路徑前面，以後再cmd中輸入pyspark就會出現下面的狀況。注意：若是虛擬環境的路徑不在原始路徑前面會出現找不到路徑的狀況，固然這個路徑只是爲了看是否安裝成功，跟在pycharm中運行成功與否沒有任何關係，你也能夠再變換回去。

spark的依賴環境中有對hadoop的需求，所以還須要下載對應版本的hadoop，這裏面我下載的是有關hadoop2.7+的資源，無需安裝完整的Hadoop，但須要hadoop.dll，winutils.exe等。根據下載的Spark版本，下載相應版本的hadoop2.7.1。
解壓，添加環境變量(如pyspark添加環境變量同樣，一樣有兩種方法)，通過個人測試，好像這裏面的資源不太夠，反正我用着會報錯，所以我選擇了從原始資源中下載bin文件，而後替換了前面hadoop2.7.1裏面的bin文件。
要想在PyCharm中調用pySpark,須要加載包。將D:\spark\spark-2.0.1-bin-hadoop2.7\python文件夾下pySpark文件夾拷貝到D:\ProgramData\Anaconda3\envs\tensorflow\Lib\site-packages**（注：這個地方是要拷貝到虛擬環境的包路徑）

4. 1關鍵
注意咯，，，接下來這步操做決定咱們是否可以完成配置，，，
一、在D:\spark\spark-2.0.1-bin-hadoop2.7\bin文件夾下找到pyspark文件，而後用notepad++打開。
二、找到export PYSPARK_PYTHON而後把這個地方變成export PYSPARK_PYTHON=python3
三、保存。。。大功告成
四、重啓（能夠先略過此步，進行下面驗證，若是驗證仍是花式報錯（2）就能夠上本步，成爲大絕殺，而後能夠爽歪歪用pyspark了）
到目前爲止，咱們的準備工做終於作好了，，，不容易啊。。。其實到如今爲止咱們也算是安裝完成，，驚不驚喜，意不意外，，沒想到這麼簡單吧，哈哈哈哈哈哈，接下來咱們就能夠驗證了。。

5. 驗證
在這裏引用雪倫的例子，

新建wordCount.py文件，寫代碼
注意setAppName、setMaster中千萬不要帶空格，不然會出現「Java gateway process exited before sending the driver its port number」的報錯

import sys
from operator import add

from pyspark import SparkContext

if __name__ == "__main__":
sc = SparkContext(appName="PythonWordCount")
lines = sc.textFile('words.txt')
counts = lines.flatMap(lambda x: x.split(' ')) \
.map(lambda x: (x, 1)) \
.reduceByKey(add)
output = counts.collect()
for (word, count) in output:
print "%s: %i" % (word, count)

sc.stop()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
其中words.txt中的內容是

good bad cool
hadoop spark mlib
good spark mlib
cool spark bad
1
2
3
4
而後運行，，，你會發現——————————————————————————報錯了是否是，哈哈哈。雖然不知道你報的什麼錯，確定報錯了，這纔是虛擬環境裝pyspark迷人的地方，花式報錯，，彆着急，那是由於咱們沒有添加項目的環境變量，在圖中環境變量位置把SPARK_HOME的路徑添加進去，以後再運行

出現