【Spark+NLP】20、使用pyspark运行程序

本文详细介绍如何使用Pyspark进行基本的数据处理任务,包括在PySpark shell中运行小程序,统计文本文件中特定字符出现的次数,以及如何通过spark-submit在集群上提交Python程序。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、仅使用pyspark运行超小程序

>>> logFile="/hadoop-2.8.5/README.txt"
>>> logData=sc.textFile(logFile).cache()
>>> numAs=logData.filter(lambda s:'a' in s).count()
>>> numBs=logData.filter(lambda s:'b' in s).count()                             
>>> print("Line with a:%i,line with b:%i" % (numAs,numBs))

统计成功。 

注意:我们不会在以下示例中创建任何SparkContext对象,因为默认情况下,当PySpark shell启动时,Spark会自动创建名为sc的SparkContext对象。如果您尝试创建另一个SparkContext对象,您将收到以下错误 - “ValueError:无法一次运行多个SparkContexts”。     来源:https://www.jianshu.com/p/5a42fe0eed4d

 

二、使用spark-submit提交python程序

1、python代码:

from pyspark import SparkContext
logFile = "/hadoop-2.8.5/README.txt"
sc = SparkContext("local", "first app")
logData = sc.textFile(logFile).cache()
numAs = logData.filter(lambda s: 'a' in s).count()
numBs = logData.filter(lambda s: 'b' in s).count()
print("Line with a:%i,lines with b :%i" % (numAs, numBs))

2、本人是在win10电脑上的jupyter上运行的,结果默认保存为.ipynb,需要另存为.py文件

(这里报错无所谓,因为我的路径是linux中的,win10上本来就没这个文件)

3、spark-submit提交

4、运行结果:

 

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值