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 ~]$ pythonb<span>本文来源gaodai#ma#com搞*代#码9网#</span>rew 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'

喜欢 (0)赏

[搞代码]

分享 (0)