最近趁着有空,在虛擬機裏裝了Ubuntu18.04系統,然後搭建了 hadoop與spark環境,記錄一下。
一、使用的工具版本:
- jdk-8u241-linux-x64.tar.gz
- hadoop-2.7.7.tar.gz
- scala-2.11.8.tar.gz
- spark-2.4.5-bin-hadoop2.7.gz
- 沒裝hive,略過
- Anaconda3-2019.07-Linux-x86_64.sh(使用python版本3.7.3)
二、python問題
問題:系統自帶python3.6.5,軟件更新升級後變成python3.6.9,與Anaconda3使用的python3.7.3不一致,會導致在Anaconda3裏調用pyspark報錯
報錯內容:pyspark調用報錯:Java.io.IOException: Cannot run program “python”: CreateProcess error=2
解決方案:爲了避免升級的麻煩,我是先安裝Anaconda3,安裝完畢後調用命令python、python3,出現的都是python3.7.3,這個沒問題。但是後面調用pyspark報錯了,因爲pyspark默認是3.6.9,Anaconda3用的是python3.7.3,兩個python版本不一樣造成衝突,Anaconda3裏pyspark無法找到python。所以安裝完Anaconda3之後,再建立個軟鏈接:
ln -s /home/用戶名/anaconda3/bin/python3.7 /usr/bin/python
建立完成後,在ubuntu用戶系統配置文件.bashrc中加入並使之生效:
export PYSPARK_PYTHON=/usr/bin/python
我在spark配置文件spark-env.sh裏也加入了上述語句
pyspark測試語句:
import os
os.environ['JAVA_HOME']='/home/用戶名/opt/java/jdk1.8.0_241'
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName('first_app_try').getOrCreate()
df = pd.DataFrame([[11, 12, 13], [14, 15,16]], index=['A1','A2'], columns=['c1', 'c2','c3'])
spark_data = spark.createDataFrame(df)
spark_data.show() # 上面的報錯由這句引起,建立軟鏈接之後正常執行
print('successful')
三、安裝hadoop與spark參考文章
-
Ubuntu 18.04下搭建單機Hadoop和Spark集羣環境
-
linux上搭建單機版hadoop和spark
https://www.cnblogs.com/traditional/p/11297049.html