Spark 高级版本对 python 的支持已经好很多了。喜欢用Python 的小伙伴也可以用Spark 来做高性能的数据分析！环境搭建步骤如下：

 

1. 安装Python

 

• 下载Python 安装包（32 bit 也可以在 64 bit 机器上运行， 下载哪种都可以）： https://www.python.org/downloads/
• 安装并设置环境变量PATH： 把 python 安装的目录和 script 目录添加到环境变量 PATH　　

　　

　　

　　检查python 是否安装OK：

　　

 

2. 安装 Spark

•        下载最新Spark Windows 解压即可（比如：spark-2.4.5-bin-hadoop2.7.tgz 如果没有解压软件请参见：https://www.cnblogs.com/yjyyjy/p/12731968.html：https://spark.apache.org/downloads.html

　　　　　　 　　

• 　　解压目录就是Spark 安装目录，所以为了 方便起见 可以把文件夹改名字为 Spark 即可。

• 　　添加环境变量 SPARK_HOME

　　　　　　

• 　　添加 Spark bin 目录到环境变量 PATH

　　　　　　

 

 

3 启动 Pyspark

• 运行pyspark 启动 spark context：

　　　　

• 查看Web UI 跟踪 Job 运行情况：http://localhost:4040/jobs/

　　　　可以看到上面连个 ation 的运行记录： count 和 collect