在pycharm上配置pyspark

1、下载完spark，解压，我下载的是spark-2.4.1版本，在文件的 \spark-2.4.1-bin-hadoop2.7\python\lib 中有两个文件

 

 

 这两个文件之后会用到

2、由于使用了pyspark时from pyspark import SparkContext，需要下载py4j，直接pip即可

3、pycharm设置环境变量

点击config

选择environment

 

 

 

 

 

 

创建环境变量，一个是SPARK_HOME，另外一个是PYTHONPATH，设置它们的values，SPARK_HOME的value是安装文件夹spark-2.1.1-bin-hadoop2.7的绝对路径，PYTHONPATH的value是该绝对路径／python，例如我的SPARK_HOME的value是G:\spark\spark-2.4.1-bin-hadoop2.7，那么我的PYTHONPATH的value是G:\spark\spark-2.4.1-bin-hadoop2.7\python 。设置好了保存。（注意不管是路径的哪里，都不能有空格，尤其是结尾。）

4、关键的一步，在setting中的project structure中点击右边的“add content root”，添加py4j-some-version.zip和pyspark.zip的路径（这两个文件都在Spark中的python文件夹下，上面提到过路径位置）