【Spark机器学习速成宝典】基础篇01Windows下spark开发环境搭建（Python版）

目录

　　安装jdk

　　安装eclipse

　　安装PyDev插件

　　配置Spark

　　配置Hadoop

　　Python代码

---

配置Spark

　　下载Spark

　　http://spark.apache.org/downloads.html

　　

　　配置环境变量

　　变量名：SPARK_HOME　　变量值：D:spark    （不能有空格）

　　

　　添加到Path

 

　　　

　　安装pyspark包：

　　将spark/python中的pyspark和pyspark.egg-info拷贝到python的Anaconda2Libsite-packages目录下

　　

配置Hadoop

　　无需安装完整的Hadoop，但需要hadoop.dll，winutils.exe等。根据下载的Spark版本，下载相应版本的hadoop2.7.1。 

　　链接：https://pan.baidu.com/s/1jHRu9oE 密码：wdf9

　　

　　配置环境变量

　　

　　添加到Path

　　

　　重启计算机！！！环境变量才生效！！！

Python代码

# -*-coding=utf-8 -*-  
from operator import add
import random
from pyspark import SparkConf, SparkContext
sc = SparkContext('local')


NUM_SAMPLES = 100000

def inside(p):
    x, y = random.random(), random.random()
    return x*x + y*y < 1

count = sc.parallelize(xrange(0, NUM_SAMPLES)) 
             .filter(inside).count()
print "Pi is roughly %f" % (4.0 * count / NUM_SAMPLES)

'''运行结果：
Pi is roughly 3.140160
'''