如何设置SPARK_HOME变量？

Question

请按照链接http://h2o-release.s3.amazonaws.com/sparkling-water/rel-2.2/0/index.html中的Sparkling Water步骤操作。

在终端中运行：

~/InstallFile/SparklingWater/sparkling-water-2.2.0$ bin/sparkling-shell --conf "spark.executor.memory=1g"

请将SPARK_HOME变量设置为您的Spark安装路径。

- roshan_ray

Answer 1

您需要安装并设置SPARK_HOME变量，在unix终端上运行以下代码以设置该变量：

export SPARK_HOME="/path/to/spark"

为了维护这个配置，您需要将以下内容追加到您的 .bashrc 文件的末尾。

有关安装信息，请参见 https://www.tutorialspoint.com/apache_spark/apache_spark_installation.htm

- Jader Martins

Answer 2

在使用安装了Anaconda的Jupyter Notebook时，调用名为findspark.py的函数会执行以下操作：

def find():
    spark_home = os.environ.get('SPARK_HOME', None)

    if not spark_home:
        for path in [
            '/usr/local/opt/apache-spark/libexec', # OS X Homebrew
            '/usr/lib/spark/' # AWS Amazon EMR
            # Any other common places to look?
        ]:
            if os.path.exists(path):
                spark_home = path
                break

    if not spark_home:
        raise ValueError("Couldn't find Spark, make sure SPARK_HOME env is set"
                         " or Spark is in an expected location (e.g. from homebrew installation).")

    return spark_home

接下来我们将按照以下步骤操作。

1. 指定 SPARK_HOME 和 JAVA_HOME

正如我们在上面的函数中看到的那样，对于 Windows 我们需要指定位置。下一个函数是从这些答案稍微修改过的版本。它被修改了，因为还需要指定 JAVA_HOME，这是你安装 Java 的目录。另外，我创建了一个 spark 目录，把我下载的 Spark 版本放进去了，你可以查看这些链接来进行这个操作。

import os 
import sys

def configure_spark(spark_home=None, pyspark_python=None):
    spark_home = spark_home or "/path/to/default/spark/home"
    os.environ['SPARK_HOME'] = spark_home
    os.environ['JAVA_HOME'] = 'C:\Program Files\Java\jre1.8.0_231'

    # Add the PySpark directories to the Python path:
    sys.path.insert(1, os.path.join(spark_home, 'python'))
    sys.path.insert(1, os.path.join(spark_home, 'python', 'pyspark'))
    sys.path.insert(1, os.path.join(spark_home, 'python', 'build'))

    # If PySpark isn't specified, use currently running Python binary:
    pyspark_python = pyspark_python or sys.executable
    os.environ['PYSPARK_PYTHON'] = pyspark_python

configure_spark('C:\spark\spark-2.4.4-bin-hadoop2.6')

2. 配置SparkContext

在本地工作时，您应该按照以下方式配置SparkContext：（这些链接很有用）

import findspark
from pyspark.conf import SparkConf
from pyspark.context import SparkContext

# Find Spark Locally
location = findspark.find()
findspark.init(location, edit_rc=True)

# Start a SparkContext 
configure = SparkConf().set('spark.driver.host','127.0.0.1')
sc = pyspark.SparkContext(master = 'local', appName='desiredName', conf=configure)

这个流程对我来说很顺利，谢谢!

- Miguel Trejo

Answer 3

当您想要使用Sparkling Water时，您需要在计算机上下载spark运行时。它可以是本地下载或集群化的spark即基于Hadoop。

SPARK_HOME变量是Sparkling Water用来寻找spark运行时的目录/文件夹。

在以下设置SPARK_HOME中，我已经在本地机器上下载了Spark 2.1，并将路径设置为未解压缩的spark 2.1，如下所示：

SPARK_HOME=/Users/avkashchauhan/tools/spark-2.1.0-bin-hadoop2.6

$ pwd
 /Users/avkashchauhan/tools/sw2/sparkling-water-2.1.14

现在，当我像下面这样启动sparkling-shell时，它运行得很好:

~/tools/sw2/sparkling-water-2.1.14 $ bin/sparkling-shell                                                                                                                                                                                        

-----
  Spark master (MASTER)     : local[*]
  Spark home   (SPARK_HOME) : /Users/avkashchauhan/tools/spark-2.1.0-bin-hadoop2.6
  H2O build version         : 3.14.0.2 (weierstrass)
  Spark build version       : 2.1.1
  Scala version             : 2.11
----

- AvkashChauhan

---

成功了。谢谢。 - roshan_ray

@AvkashChauhan 我想将其设置为永久性...即在下一个登录窗口中保持不变...我需要设置哪个bash文件？ - BdEngineer