Jupyter配置Spark开发环境

---

效果图

无图无真相，以下是运行截图，

Jupyter运行界面：

作业监控界面：

---

简介

为Jupyter配置Spark开发环境，可以安装全家桶–Spark Kernel或Toree，也可按需安装相关组件。

考虑到一般人更喜欢一步到位，并且Toree将会代替Spark Kernel，故直接且仅需安装Toree即可，不过下面还是给出了所有的安装方法。

---

Spark Kernel的安装

参照Spark Kernel支持的语言，安装好Spark Kernel后，其默认可以支持Scala，Python，R，SQL，对应的Spark实现分别是Scala with Spark，Python with PySpark，R With SparkR，Spark SQL。

参照上述链接，要切换语言时，只需简单的在语句前面加上%%scala/%%pyspark即可。当然，什么都不加时，默认语言为Scala。

另外，启动Jupyter后，可直接在http://localhost:4040/jobs/监控所有作业。

---

Spark Kernel（旧的项目）

参照下面的安装步骤进行即可，就是有些繁琐。

• Getting Started with the Spark Kernel
• Guide to Integrating the Spark Kernel with Jupyter

---

Toree（新项目）

根据Spark Kernel的介绍，自从Spark Kernel变成Apache的孵化项目后，其最新仓库已经 迁移到了incubator-toree。

安装时，参照Quick Start What is Apache Toree ，仅需两条命令即可完成安装。

pip install toree
jupyter toree install --spark_home=your-spark-home

值得注意的是:

1. Toree虽然还在孵化中，但已经能完成上述Spark Kernel的全部功能，即可支持PySpark，Spark SQL等。
2. 该kernel安装在/usr/local/share/jupyter/kernels/apache_toree_scala目录下

---

Spark组件单独安装

除了安装上面的方法安装Spark的全家桶外，还可以按需对各组件进行安装。

---

Scala Kernel的安装

参照jupyter-scala安装即可。

---

PySpark的安装

• PySpark: How to install and Integrate with the Jupyter Notebook
• Integrate Apache Spark with latest IPython Notebook (Jupyter 4.x)
• Running Spark Applications Using IPython and Jupyter Notebooks