运行以下命令：

[root@106]$ spark-submit - -master local[2] innerJoinInPySpark.py

在PySpark Shell中，PySpark自己创建了SparkContext作为sc的对象，使我们能够使用它。
但在PySpark脚本中，我们必须创建自己的SparkContext。 SparkContext是一种使用PySpark提供的API的方法。
因此，有两个额外的行。 第一行导入SparkContext，第二行创建应用程序名称（appName）innerDataJoining的SparkContext对象。 让我们在PySpark本地模式下运行这个PySpark脚本。

innerJoinInPySpark.py的内容如下：

from pyspark import SparkContext
ourSparkContext = SparkContext(appName = 'innerDataJoining')
ourSparkContext.setLogLevel('ERROR')

studentData = [['si1','Robin','M'],
               ['si2','Maria','F'],
               ['si3','Julie','F'],
               ['si4','Bob',  'M'],
               ['si6','William','M']]

subjectsData = [['si1','Python'],
        ['si3','Java'],
        ['si1','Java'],
        ['si2','Python'],
                ['si3','Ruby'],
                ['si4','C++'],
                ['si5','C'],
                ['si4','Python'],
                ['si2','Java']]
studentRDD = ourSparkContext.parallelize(studentData, 2)
studentPairedRDD = studentRDD.map(lambda val : (val[0],[val[1],val[2]]))
subjectsPairedRDD = ourSparkContext.parallelize(subjectsData, 2)
studenSubjectsInnerJoin = studentPairedRDD.join(subjectsPairedRDD)
innerJoinedData = studenSubjectsInnerJoin.collect()
print (innerJoinedData)