PyCharm Community 版不支持 SSH 远程解释器，仅 Professional 版内置 SSH 客户端和 SFTP 同步能力；配置时需确保虚拟机 SSH 服务启用、网络连通、密码认证开启，并手动对齐本地与远程路径映射。
PyCharm 远程解释器必须用 Professional 版
免费社区版（Community Edition）不支持 SSH 远程解释器，点 Add Interpreter → SSH Interpreter 会直接灰掉。硬要试只会卡在“Connection refused”或“Authentication failed”。专业版（Professional）才内置 SSH 客户端和 SFTP 同步能力——不是插件能补的，是底层功能缺失。
虚拟机 SSH 必须启用且能被本地 ping 通
PyCharm 不是靠“虚拟机开机”就自动连上，它走的是标准 SSH 协议。常见失败点：
-
sudo systemctl status ssh返回 inactive → 执行sudo systemctl start ssh并设开机自启：sudo systemctl enable ssh - 本地
ping 192.168.x.x不通 → 检查虚拟机网卡模式：NAT 下需手动端口转发（Host Port 22 → Guest Port 22），桥接模式更稳，但得确保宿主机和虚拟机在同一子网 - SSH 登录时提示
Permission denied (publickey)→ PyCharm 默认走密码认证，别提前禁用密码登录；检查/etc/ssh/sshd_config中PasswordAuthentication yes是否生效，改完记得sudo systemctl restart ssh
远程解释器路径和文件映射必须手动对齐
PyCharm 创建 SSH 解释器后，会默认把项目根目录映射到虚拟机上的某个路径（比如 /root/pycharm_project），但这个路径和你实际写代码、放数据的位置往往不一致。后果是：
PyCharm 2026.2
下载
PyCharm 2026.2是 JetBrains PyCharm 的指定版本安装包，下载地址指向官方 Windows 安装包直链，可用于旧项目兼容、版本回退和环境测试。
- 运行时报
FileNotFoundError：因为spark.read.csv("data/input.csv")中的data/input.csv在本地存在，但没同步到虚拟机对应位置 - 修改代码不生效：本地改了
main.py，但 PyCharm 没启用自动上传，或者映射路径填错了，虚拟机里还是旧文件 - 解决办法：在解释器配置页点击
Mapping→ 明确指定本地项目路径（如C:\myproject）对应虚拟机绝对路径（如/home/user/myproject），勾选Upload files automatically
Spark 任务不能只靠 local[*] 就算跑通
你在 PyCharm 里跑通 spark = SparkSession.builder.master("local[*]").getOrCreate()，只说明 Python 和 PySpark 包能加载，不代表真正连接了虚拟机里的 Spark 集群。真实场景要分清：
- 本地模式（
master="local[*]"）：用的是虚拟机本机 CPU，不依赖SPARK_HOME或HADOOP_CONF_DIR，但也没法测试分布式逻辑 - 集群模式（
master="spark://192.168.x.x:7077"）：必须确保虚拟机里SPARK_HOME环境变量已设，pyspark已安装（pip install pyspark==3.5.0），且start-master.sh和start-worker.sh已运行；PyCharm 本身不启动集群，它只是提交作业的客户端 - 常见报错
No module named 'py4j'或java.lang.NoClassDefFoundError：本质是虚拟机 Python 环境里缺 PySpark，或 Java 版本不匹配（Spark 3.5 要 Java 11+），不是 PyCharm 配置问题
最易忽略的一点：PyCharm 的远程解释器只管 Python 执行环境，它不管 Spark 的 JVM 参数、日志路径、HDFS 配置这些。这些全得在虚拟机里配好，PyCharm 提交过去只是“发个命令”，不是“代你部署”。
