文章目录
目录
- 1. 创建工程，指定远端python解析器
- 2. 添加远端python解析器
- 3. 配置完成
- 4. 本地文件自动同步远端
- 5. 删除远端python解析器(非必须操作，重新配置时参考该项)
- 6. 文件模板配置
- 总结
远程连接方案，允许程序员连接远端测试环境，确保环境的统一，避免各种环境问题的发生,而且由于是连接的远程环境，所有在Pycharm编写的代码 可自动上传到远端服务器，本地在执行代码的时候，相当于直接在远端环境上运行。
前提条件：远端Centos系统，安装了Spark环境，安装了Python环境，本文基于anaconda安装的python环境
打开pycharm开发工具，选择File->New Project->Pure Python创建一个Python工程
需要：指定工程本地工作目录，选择先前配置的python解析器，若未配置远端python解析器，则打开对话框根据提示配置
添加远端python解析器，需要SSH方式(指定服务器地址、登录用户名、登录口令)登录远端服务器
指定服务器的登录口令
单机 Next，连接到服务器后，选择python的安装目录
配置完成，就可以选择已经配置了的服务器python解析器。
同时指定工程在服务器上的工作目录
配置完成，File->Settings -> 选择对应工程，可以发现：服务器上python环境安装的工具包，及本地工作目录和服务器工作目录的映射。这里主要关注pyspark包的安装
本地工程文件实时同步到服务器工作目录，若担心影响开发效率，可以关闭自动同步，开启手工同步
配置过程中，若发现服务器python解析器配置错误，或配置重复，可从此处进入，删除有误的配置
每个文件都用到的一些代码，例如导包，本地锁定服务器python解析器，可以做成一个模板。工程中每次创建一个新文件，会自动导入模板。
#!/usr/bin/env python
# @desc :
__coding__ = "utf-8"
__author__ = "xxx team"
from pyspark import SparkContext, SparkConf
import os
# 锁定远端操作环境, 避免存在多个版本环境的问题
os.environ['SPARK_HOME'] = '/export/server/spark'
os.environ["PYSPARK_PYTHON"] = "/root/anaconda3/bin/python"
os.environ["PYSPARK_DRIVER_PYTHON"] = "/root/anaconda3/bin/python"
# 快捷键: main 回车
if __name__ == '__main__':
print("XXX案例")
以上为个人经验，希望能给大家一个参考，也希望大家多多支持风君子博客。
您可能感兴趣的文章:
- Python大数据分析之PySpark原理与实战教程详解
- 使用Python和PySpark进行数据分析的实战教程
- 从Pyspark UDF调用另一个自定义Python函数的方法步骤
- Python PySpark案例实战教程
- spark编程python实例解读
- Python安装spark的详细过程
- 在python中使用pyspark读写Hive数据操作
- 如何将PySpark导入Python的放实现(2种)