Esta es la manera más fácil. Pulsando en el siguiente botón, se creará un contenedor con el repositorio de la clase y todos los archivos de datos que se necesitan.
Preferiblemente en Linux/Mac. Clona el repositorio en tu PC en un directorio sin espacios:
git clone https://github.com/luisbelloch/data_processing_course.git
cd data_processing_course/spark
./spark compras_con_mas_de_un_descuento.py
El script ./spark es equivalente a hacer:
docker run --rm -ti -w /upv \
-v $(pwd):/upv -v $(pwd)/../data:/upv/data \
luisbelloch/spark spark-submit /upv/compras_con_mas_de_un_descuento.py
Después de clonar el repositorio, ejecuta:
docker run -v $(pwd)/data:/home/jovyan/data -p 8888:8888 -p 4040:4040 jupyter/pyspark-notebook
Luego navega a http://127.0.0.1:8888/lab. El token para acceder se muestra al arrancar el contenedor.