方式一：使用pip安裝Python庫

1. 進入Notebook開發頁面。

   1. 登錄E-MapReduce控制臺。

   2. 在左側導航欄，選擇EMR Serverless > Spark。

   3. 在Spark頁面，單擊目標工作空間名稱。

   4. 在EMR Serverless Spark頁面，單擊左側導航欄中的數據開發。

   5. 雙擊已創建的Notebook開發。

2. 在一個Notebook的Python單元格中，輸入以下命令安裝scikit-learn庫，然后單擊圖標。

   pip install scikit-learn

3. 在一個Notebook的Python單元格中，輸入以下命令，然后單擊圖標。

   # 導入庫并準備相關數據集。
   from sklearn import datasets
   
   # 加載內置的數據集，例如Iris數據集。
   iris = datasets.load_iris()
   X = iris.data  # 特征數據
   y = iris.target  # 標簽
   
   # 劃分數據集。
   from sklearn.model_selection import train_test_split
   
   # 劃分訓練集和測試集。
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
   
   # 使用向量機模型進行訓練。
   from sklearn.svm import SVC
   
   # 創建分類器實例。
   clf = SVC(kernel='linear')  # 使用線性核。
   
   # 訓練模型。
   clf.fit(X_train, y_train)
   
   # 使用訓練好的模型進行預測。
   y_pred = clf.predict(X_test)
   
   # 評估模型性能。
   from sklearn.metrics import classification_report, accuracy_score
   
   print(classification_report(y_test, y_pred))
   print("Accuracy:", accuracy_score(y_test, y_pred))
   

   執行結果如下所示。

   

步驟一：創建運行環境

1. 進入運行環境管理頁面。

   1. 登錄E-MapReduce控制臺。

   2. 在左側導航欄，選擇EMR Serverless > Spark。

   3. 在Spark頁面，單擊目標工作空間名稱。

   4. 在EMR Serverless Spark頁面，選擇左側導航欄中的運行環境管理。

2. 單擊創建運行環境。

3. 在創建運行環境頁面，單擊添加庫。

   更多參數信息，請參見管理運行環境。

4. 在新建庫中，使用PyPI來源類型，配置PyPI Package參數，然后單擊確定。

   在PyPI Package中填寫庫的名稱及版本，不指定版本時，默認安裝最新版本。例如，scikit-learn。

5. 單擊創建。

   創建后將開始初始化環境。

步驟二：使用運行環境

1. 進入Notebook會話頁簽。

   1. 在EMR Serverless Spark頁面，選擇左側導航欄中的運維中心 > 會話管理。

   2. 單擊Notebook會話頁簽。

2. 單擊目標Notebook會話操作列的編輯。

3. 在運行環境下拉列表中選擇前一步驟創建的運行環境，單擊保存更改。

4. 單擊右上角的啟動。

步驟三：利用Scikit-learn庫進行數據分類

1. 進入Notebook開發頁面。

   1. 在EMR Serverless Spark頁面，單擊左側導航欄中的數據開發。

   2. 雙擊已創建的Notebook開發。

2. 在一個Notebook的Python單元格中，輸入以下命令，然后單擊圖標。

   # 導入庫并準備相關數據集。
   from sklearn import datasets
   
   # 加載內置的數據集，例如Iris數據集。
   iris = datasets.load_iris()
   X = iris.data  # 特征數據
   y = iris.target  # 標簽
   
   # 劃分數據集。
   from sklearn.model_selection import train_test_split
   
   # 劃分訓練集和測試集。
   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
   
   # 使用向量機模型進行訓練。
   from sklearn.svm import SVC
   
   # 創建分類器實例。
   clf = SVC(kernel='linear')  # 使用線性核。
   
   # 訓練模型。
   clf.fit(X_train, y_train)
   
   # 使用訓練好的模型進行預測。
   y_pred = clf.predict(X_test)
   
   # 評估模型性能。
   from sklearn.metrics import classification_report, accuracy_score
   
   print(classification_report(y_test, y_pred))
   print("Accuracy:", accuracy_score(y_test, y_pred))
   

   執行結果如下所示。

   

步驟一：Conda環境構建與部署

1. 通過以下命令安裝Miniconda。

   wget https://repo.continuum.io/miniconda/Miniconda3-latest-Linux-x86_64.sh
   chmod +x Miniconda3-latest-Linux-x86_64.sh
   
   ./Miniconda3-latest-Linux-x86_64.sh -b
   source miniconda3/bin/activate

2. 構建使用Python 3.8和numpy的Conda環境。

   # 創建并激活conda環境
   conda create -y -n pyspark_conda_env python=3.8
   conda activate pyspark_conda_env
   # 安裝第三方庫
   pip install numpy \
   ipykernel~=6.29 \
   jupyter_client~=8.6 \
   jieba \
   conda-pack
   # 打包環境
   conda pack -f -o pyspark_conda_env.tar.gz

步驟二：上傳資源文件至OSS

上傳打包好的pyspark_conda_env.tar.gz至阿里云OSS，并記錄下完整的OSS路徑，上傳操作可以參見簡單上傳。

步驟三：配置并啟動Notebook會話

1. 進入Notebook會話頁簽。

   1. 在EMR Serverless Spark頁面，選擇左側導航欄中的運維中心 > 會話管理。

   2. 單擊Notebook會話頁簽。

2. 單擊目標Notebook會話操作列的編輯。

3. 在Spark配置中，添加以下配置信息，單擊保存更改。

   spark.archives  oss://<yourBucket>/path/to/pyspark_conda_env.tar.gz#env
   spark.pyspark.python ./env/bin/python

   說明

   配置中的<yourBucket>/path/to，請替換為您實際的OSS上傳路徑。

4. 單擊右上角的啟動。

步驟四：利用Jieba分詞處理文本數據

1. 進入Notebook開發頁面。

   1. 在EMR Serverless Spark頁面，單擊左側導航欄中的數據開發。

   2. 雙擊已創建的Notebook開發。

2. 在新的一個Python單元格中，輸入以下命令以使用Jieba進行中文分詞，然后單擊圖標。

   import jieba
   
   strs = ["EMRServerlessSpark是一款專為大規模數據處理與分析而打造的全托管Serverless產品", "為您提供了高效的任務開發調試調度以及運維等一站式服務", "EMRServerlessSpark實現了資源調度和根據任務負載進行動態擴展"]
   
   sc.parallelize(strs).flatMap(lambda s: jieba.cut(s, use_paddle=True)).collect()

   執行結果如下所示。