如何使用pycharm實現連接Databricks

如何使用pycharm實現連接Databricks？針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

在本地使用pycharm連接databricks，大致步驟如下：

首先，為了讓本地環境能夠識別遠端的databricks集群環境，需要收集databricks的基本信息和自己databricks的token，這些信息能夠讓本地環境識別databricks；接著，需要使用到工具 anaconda創建一個虛擬環境，連接databricks；最后，將虛擬環境導入pycharm。

（下面的圖渣渣，因為直接拖進來的）

第0步：檢查

檢查java版本，需要時1.8開頭的版本，如果不是，請到這里下載：https://www.oracle.com/java/technologies/javase/javase-jdk8-downloads.html

第1步：收集databricks的信息

查看python版本 (還不知道怎么看，這里cluster的python版本為3.7)
查看Runtime Version

查看cluster ulr，解析出下面信息

生成token,點擊這個小人-user setting

最后，這是我們收集到的所有信息

第2步：安裝anaconda

如果已經安裝anaconda，請略過這一步
沒有安裝，可以看這個教程
https://www.jb51.net/article/196286.htm

第3步：使用anaconda創建虛擬環境

下面的參數信息，使用第一步收集的信息
打開anaconda的命令行

創建一個3.7版本的虛擬隔離環境

conda create -n dbconnect python=3.7

使用環境

conda activate dbconnect

卸載pyspark，如果是新創建的環境，可以不用執行這步（這是為了確保，創建的環境不能有pyspark的包，因為會產生包的問題）

pip uninstall pyspark

下面開始安裝包，但是為了讓安裝速度快一些，使用清華鏡像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/
conda config --set show_channel_urls yes

查看是否切換到鏡像

conda config --show channels

可以看到已經切換

安裝connect包，第一步中確定的run的版本為6.4，故選擇6.4.* （用公司的網絡，下載很慢，我用自己的熱點）

pip install -U databricks-connect==6.4.*

連接遠端databricks，并輸入第一步收集的相關信息

databricks-connect configure

測試是否已經連接上：

databricks-connect test

已經在啟動節點了

查看databricks,可以看到

第4步：pycharm導入虛擬環境

打開pycahrm，點擊setting

選擇解釋器，點擊小齒輪的add'

選擇剛才我們創建好的dbconnect

點擊ok，可以看到已經選好了環境

不知道為啥連接不到遠端的包，我的項目還需要在本地安裝一些用的包

conda install scikit-learn==0.22.1
conda install pandas==0.24.2
conda install pyarrow==0.15.1

在pycharm測試運行一下：

import pandas as pd
import numpy as np

# Generate a pandas DataFrame
pdf = pd.DataFrame(np.random.rand(100, 3))

from pyspark.sql import *
spark = SparkSession.builder.getOrCreate()
df = spark.createDataFrame(pdf)

print(df.head(5))

去databrick的cluster log看一下，已經啟動了節點，正在運行

關于如何使用pycharm實現連接Databricks問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。