【Spark】Windows下安装Spark

• Spark简介
• • Spark 主要有三个特点
  • Spark 性能特点
• 一、Spark安装前提
• • 1.1、JDK安装（version：1.8）
  • • 1.1.1、JDK官网下载
    • 1.1.2、JDK网盘下载
    • 1.1.3、JDK安装
  • 1.2、Scala安装（version：2.11.12）
  • • 1.2.1、Scala官网下载
    • 1.2.2、Scala网盘下载
    • 1.2.3、Scala安装
    • 1.2.4、验证Scala是否安装成功
  • 1.3、Hadoop安装（version：2.7.2）
• 二、安装Spark（version：2.4.7）
• • 2.1、Spark官网下载
  • 2.2、Spark网盘下载
  • 2.3、Spark安装
  • 2.4、验证Spark是否安装成功

Spark简介

Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎 [2] 。现在形成一个高速发展应用广泛的生态系统。

Spark 主要有三个特点

• 首先，高级 API 剥离了对集群本身的关注，Spark 应用开发者可以专注于应用所要做的计算本身。
• 其次，Spark 很快，支持交互式计算和复杂算法。
• 最后，Spark 是一个通用引擎，可用它来完成各种各样的运算，包括 SQL 查询、文本处理、机器学习等，而在 Spark 出现之前，我们一般需要学习各种各样的引擎来分别处理这些需求。

Spark 性能特点

• 更快的速度
  内存计算下，Spark 比 Hadoop 快100倍。
• 易用性
  Spark 提供了80多个高级运算符。
• 通用性
  Spark 提供了大量的库，包括Spark Core、Spark SQL、Spark Streaming、MLlib、GraphX。 开发者可以在同一个应用程序中无缝组合使用这些库。
• 支持多种资源管理器
  Spark 支持 Hadoop YARN，Apache Mesos，及其自带的独立集群管理器
• Spark生态系统
• Shark：Shark基本上就是在Spark的框架基础上提供和Hive一样的HiveQL命令接口，为了最大程度的保持和Hive的兼容性，Spark使用了Hive的API来实现query Parsing和 Logic Plan generation，最后的PhysicalPlan execution阶段用Spark代替HadoopMapReduce。通过配置Shark参数，Shark可以自动在内存中缓存特定的RDD，实现数据重用，进而加快特定数据集的检索。同时，Spark通过UDF用户自定义函数实现特定的数据分析学习算法，使得SQL数据查询和运算分析能结合在一起，最大化RDD的重复使用。
• SparkR：SparkR是一个为R提供了轻量级的Spark前端的R包。 SparkR提供了一个分布式的data frame数据结构，解决了 R中的data frame只能在单机中使用的瓶颈，它和R中的data frame 一样支持许多操作，比如select,filter,aggregate等等。（类似dplyr包中的功能）这很好的解决了R的大数据级瓶颈问题。 SparkR也支持分布式的机器学习算法，比如使用MLib机器学习库。 SparkR为Spark引入了R语言社区的活力，吸引了大量的数据科学家开始在Spark平台上直接开始数据分析之旅。

一、Spark安装前提

安装Spark之前，需要安装JDK、Hadoop、Scala。
本次安装版本选择：
JDK：1.8
Hadoop：2.7.2
Scala：2.11.12
Spark：2.4.7

1.1、JDK安装（version：1.8）

1.1.1、JDK官网下载

官网下载地址(需要oracle账号)
https://www.oracle.com/java/technologies/javase/javase-jdk8-downloads.html

1.1.2、JDK网盘下载

或者网盘下载：https://pan.baidu.com/s/1MMkFbzcf8ZYvGwdHreXtUg?pwd=yyds

1.1.3、JDK安装

安装方法就不赘述了。

1.2、Scala安装（version：2.11.12）

1.2.1、Scala官网下载

官网下载地址：https://downloads.lightbend.com/scala/2.11.12/scala-2.11.12.msi

1.2.2、Scala网盘下载

网盘下载地址：https://pan.baidu.com/s/1Qiy1aEndKn_Xs-zSSLaWIA?pwd=yyds

1.2.3、Scala安装

本地点击msi文件安装，安装目录为 D:\bigdata\scala\2.11.12\
设置环境变量 %SCALA_HOME%

环境变量Path添加条目%SCALA_HOME%\bin

1.2.4、验证Scala是否安装成功

为了验证Scala是否安装成功，开启一个新的cmd窗口。
输入：Scala

可以看到Scala安装成功。

1.3、Hadoop安装（version：2.7.2）

参考博文：Windows下安装Hadoop（手把手包成功安装）

二、安装Spark（version：2.4.7）

2.1、Spark官网下载

官网下载地址：https://archive.apache.org/dist/spark/spark-2.4.7/spark-2.4.7-bin-hadoop2.7.tgz
历史版本仓库：https://archive.apache.org/dist/spark/

2.2、Spark网盘下载

网盘下载地址：https://pan.baidu.com/s/1VyVLwnSvdMzSocj37xlErQ?pwd=yyds

2.3、Spark安装

本地解压spark文件，目录为 D:\bigdata\spark\2.4.7\
设置环境变量 %SPARK_HOME%

环境变量Path添加条目%SPARK_HOME%\bin
跟上面配置环境变量一样的配置方法。

2.4、验证Spark是否安装成功

为了验证Spark是否安装成功，开启一个新的cmd窗口。
输入：spark-shell

显示上面的正常运行界面，表示本地的spark环境已搭建完成！