win8+python2.7+Eclipse开发spark环境搭建

    最近在学习Spark的机器学习，由于在机器学习方面Python语言表现不俗，故我选择使用Python语言作为Spark机器学习的开发语言，也为后续的深度学习打下基础，故下面是在windows8.1下搭建eclipse4.4.2+Python2.7.14+Spark2.1.0的开发环境，具体过程如下：

1.  在windows下安装Python

1.1.  下载Python

到下面这个地址下载对应操作系统的Python安装文件

https://www.python.org/downloads/release/python-2714/

我是windows8.1 64位，故下载Windows x86-64 MSI installer版本的安装文件。

1.2.  安装Python

1）、双击；

2）、在弹出的界面选择安装到当前用户即可，然后点击Next下一步；

3）、选择安装的路径，我这里选择安装到D:\Python27\，然后点击Next下一步；

4）、这一步直接点击Next下一步，然后等待安装完成；

5）、出现如下界面，表示安装完成，直接点击Finsh完成。

1.3.  环境变量配置

1.3.1.  第一种方式

在环境变量中添加Python目录：

在命令提示框中(cmd) : 输入 

path=%path%;D:\Python27

按下"Enter"。

注意: D:\Python27 是Python的安装目录。

1.3.2.  第二种方式

也可以通过以下方式设置：

·        右键点击"计算机"，然后点击"属性"

·        然后点击"高级系统设置"

·        选择"系统变量"窗口下面的"Path",双击即可！

·        然后在"Path"行，添加python安装路径即可(我的D:\Python27)，所以在后面，添加该路径即可。 ps：记住，路径直接用分号"；"隔开！

如下图：

·        最后设置成功以后重启电脑，重启电脑完成之后在cmd命令行，输入命令"python"，就可以看到如下图的相关信息显示，表示python安装成功。

1.3.3.  Python 环境变量

下面几个重要的环境变量，它应用于Python：

2.  在windows下安装Eclipse

该步骤简单，省略，我的Eclipse版本为4.4.2。

注意：安装Eclipse之前需要安装JDK。

3.  Eclipse安装并配置PvDev插件

3.1.  安装PvDev插件

1）、启动Eclipse, 点击Help->InstallNew Software...   在弹出的对话框中，点Add按钮。  Name中填:pydev,  Location中填https://dl.bintray.com/fabioz/pydev/5.2.0（因我的Eclipse为4.4.2故安装对应5.2.0版本的插件，如果是最新的Eclipse，直接使用http://pydev.org/updates），然后一步一步装下去。  如果装的过程中，报错了就重新装。

2）、下面这步只选择PyDev节点下的所有，然后点击Next下一步；

3）、这一步直接点击Next下一步；

4）、这一步选择接受Iaccept……，然后点击Next下一步，然后等待插件安装完成并重启Eclipse。

3.2.  配置PvDev插件

安装好pydev后， 需要配置Python解释器。

1）、在Eclipse菜单栏中，点击Windows->Preferences.   

2）、在对话框中，点击PyDev->Interpreters– Python Interpreter.  点击New按钮，选择python.exe的路径，然后点击OK，弹出下一步的窗口；

3）、在弹出一个包含很多复选框新的窗口，点OK之后出现下一步的窗口。

         4）、点击该窗口的OK则完成插件的配置。

4.  开发代码测试Python环境搭建情况

1）、启动Eclipse，创建一个新的项目，File->New->Projects...选择PyDev->PyDevProject 输入项目名称，如下图：

2）、新建 PyDevPackage，输入包名Test1；

3）、在__init__.py文件中编写代码，然后运行，正常在控制台输出，表示开发环境搭建完成。

5.  使用Python开发Spark环境配置

5.1.  下载解压spark安装包

可以从http://spark.apache.org/downloads.html上下载对应的版本，我用的版本是spark-2.1.0-bin-hadoop2.7.tgz，下载完压缩文件后，解压。我解压到F:\BigData\Spark\spark-2.1.0-bin-hadoop2.7；

5.2.  配置spark环境变量

1）、新建SPARK_HOME变量，变量值为：F:\BigData\Spark\spark-2.1.0-bin-hadoop2.7，同时将%SPARK_HOME%\bin添加到系统Path变量，然后重启电脑；

5.3.  Python配置

将spark目录下的pyspark文件夹（F:\BigData\Spark\spark-2.1.0-bin-hadoop2.7\python\pyspark）复制到python安装目录D:\Python27\Lib\site-packages里，然后在cmd命令行窗口执行pyspark命令出现如下图则表示安装成功：

6.  使用Python开发spark常见问题

6.1.  ImportError: No module named py4j.protocol

原因：运行python代码的时候报如题的错误信息，表示Python没有安装py4j模块

解决方案：在cmd命令行下运行cd D:\Python27\Scripts（我的python安装在D:\Python27\盘，这里是切换到pip的安装目录下，然后才能执行pip，没有装pip的需要预先安装），然后运行pipinstall py4j安装相关库，如下截图表示安装成功。

6.2.  ImportError: No module named numpy

原因：运行python代码的时候报如题的错误信息，表示Python没有安装numpy模块

解决方案：在cmd命令行下运行cd D:\Python27\Scripts（我的python安装在D:\Python27\盘，这里是切换到pip的安装目录下，然后才能执行pip，没有装pip的需要预先安装），然后运行pipinstall numpy安装相关库，如下截图表示安装成功。