Linux下远程连接Jupyter+pyspark部署教程
博主最近试在服务器上进行spark编程,因此,在开始编程作业之前,要先搭建一个便利的编程环境,这样才能做到舒心地开发。本文主要有以下内容:
1、python多版本管理利器-pythonbrew
2、Jupyter notebooks 安装与使用以及远程连接方法
3、Jupyter连接pyspark,实现web端sprak开发
一、python多版本管理利器-pythonbrew
在利用python进行编程开发的时候,很多时候我们需要多个Python版本进行测试,博主之前一直在Python2.x和3.x之间徘徊挣扎,两者纠缠不清的关系真是令博主心累了一万年。直至遇到了pythonbrew,它在博主心中泛起的涟漪,久久不能逝去。说到pythonbrew,它是一个python的多版本管理器,可以在多个 Python之间迅速切换,也可以在指定的 Python 版本下测试python程序,更重要的是它还整合了 Virtualenv。所以,当你的电脑里装了多个python版本,并需要经常切换测试时,pythonbrew就非常适合你。
1.安装配置pythonbrew
sudo easy_install pythonbrew(easy_install安装) pip install pythonbrew(pip安装)
2.添加配置环境到~/.bashrc(或~/.bash_profile)
[[ -s "$HOME/.pythonbrew/etc/bashrc" ]] && source"$HOME/.pythonbrew/etc/bashrc"
然后执行:source ~/.bashrc(或~/.bash_profile)
3.查看系统可以安装的python版本
[ray@hadoop01 ~]$ pythonbrew list -k # Pythons Python-1.5.2 Python-1.6.1 Python-2.0.1 Python-2.1.3 Python-2.2.3 Python-2.3.7 Python-2.4.6 Python-2.5.6 Python-2.6.9 Python-2.7.10 Python-3.0.1 Python-3.1.5 Python-3.2.5 Python-3.3.5 Python-3.4.3
4.安装python
(ps:需要使用curl安装python,所以需要先安装curl)
[ray@hadoop01 ~]$ pythonbrew install 3.2.3(版本号)
5.清理安装后的版本的源码和安装包
[ray@hadoop01 ~]$ pythonbrew cleanup
6.选择一个python版本使用,ps:只在当前终端有效
[ray@hadoop01 ~]$ pythonbrew use 2.7.10(版本号)
7.查看当前pythonbrew下的python版本有哪些(后面有*号表示正在使用)
[ray@hadoop01 ~]$pythonbrew list Python-2.6.7 (*) Python-3.2.3
8.选择python3.4.3版本作为系统默认版本使用,会把该版本的路径添加到PATH中
[ray@hadoop01 ~]$ pythonbrew switch 3.4.3
9.取消pythonbrew选择的版本
[ray@hadoop01 ~]$ pythonbrew off
二、Jupyter notebooks 安装与使用以及远程连接方法
作为一只数据分析狮,利用python进行数据分析编程要的就是优雅和细致。如果还能随时随地利用任何终端进行数据分析,那不仅是高逼格,更是乐翻天了。而Jupyter notebook便是能帮助我们在web端做开发编程的利器。本节将介绍如果安装使用jupyter,以及如何远程连接到服务器端的Jupyter notebook。
1.安装Jupyter
[ray@hadoop01 ~]$ pip install jupyter
2.Jupyter Notebook远程服务器配置
1)首先要生成密码,打开python终端。
In [1]: from IPython.lib import passwd In [2]: passwd() Enter password: Verify password: Out[2]: 'sha1:0e422dfccef2:84cfbcb b3ef95872fb8e23be3999c123f862d856'
2)接下来生成秘钥:
[ray@hadoop01 ~]$ openssl req -x509 -nodes -days 365 -newkey rsa:1024 -keyout mycert.pem -out mycert.pem
注意:这里会要求你需要一些个人信息,如:国家、省份、名字等。执行完命令后,会生成一个mycert.pem文件。记下这个文件的路径。
3)创建一个服务器配置
[ray@hadoop01 ~]$ ipython profile create nbserver
编辑文件jupyter_notebook_config.py,在~/.jupyter/文件夹里
c.NotebookApp.password = u'sha1:。。。。。。。。。。。' c.NotebookApp.certfile = u'/root/.jupyter/mycert.pem' c.NotebookApp.ip = '*' c.NotebookApp.port = 9999
4)最后启动服务器:
[ray@hadoop01 ~]$ipython notebook --profile=nbserver
三、Jupyter连接pyspark,实现web端sprak开发
在进行这步操作之前,必须先安装好Jupyter、spark。
1.设置环境变量
将一下代码添加到~/.bash_profile(或者~/.bashrc)
export SPARK_HOME=~/spark-1.5.0-bin-hadoop2.6 export PATH=$SPARK_HOME/bin:$PATH export PYTHONPATH=$SPARK_HOME/python/:$PYTHONPATH export PYTHONPATH=$SPARK_HOME/python/lib/py4j-0.8.2.1-src.zip:$PYTHONPATH
注意:
1).SPARK_HOME的地址是你sprak的安装目录,另外在最后一行代码中,py4j-0.8.2.1-src.zip可能会因版本不同而不同,请进入对应地址确认好该文件的名字。
2).如果要使用python3进行作业,则需要在.bash_profile中添加 export PYSPARK_PYTHON=python3
2.启动pyspark-jupyter
IPYTHON_OPTS="notebook"$SPARK_HOME/bin/pyspark
至此,所以配置全部完成。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。