一、下载地址及前提
1、官方下载:Apache Spark
2、网盘下载(也是官网下载的):
链接:https://pan.baidu.com/s/1hWZoJtvWcUlgxwmVt7w0vA
提取码:di3h
前提:安装spark必须确保Hadoop和Java JDK已经安装配置好了。
二、安装Spark
1、解压到/usr/local目录;
sudo tar -zxf ~/下载/spark-3.0.0-preview2-bin-hadoop2.7.tgz -C /usr/local/
2、重命名;
sudo mv ./spark-3.0.0-preview2-bin-hadoop2.7/ ./spark3.0
3、授权;
sudo chown -R hadoop:hadoop ./spark3.0
这里的Hadoop是用户名,就是你开机登录密码时使用的用户名。
三、修改Spark的配置文件spark-env.sh
1、复制文件;
cd /usr/local/spark3.0
cp ./conf/spark-env.sh.template ./conf/spark-env.sh
2、编辑文件;
vim ./conf/spark-env.sh
插入配置信息,如下:
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)
3、验证安装是否成功;
配置完成后,可以通过运行Spark自带的示例,验证Spark是否安装成功。
cd /usr/local/spark
bin/run-example SparkPi
执行时会输出非常多的运行信息,输出结果不容易找到,可以通过 grep 命令进行过滤。
命令中的 2>&1 可以将所有的信息都输出到 stdout 中,否则由于输出日志的性质,还是会输出到屏幕中。
bin/run-example SparkPi 2>&1 | grep "Pi is"
执行命令结果如下:
四、使用 Spark Shell 编写代码
1、启动Spark Shell;
cd /usr/local/spark3.0
bin/spark-shell
启动spark-shell后,会自动创建名为sc的spark context对象和名为sqlContext的sql context对象,如上图所示。
2、加载text文件;
spark创建sc,可以加载本地文件和HDFS文件创建RDD。这里用Spark自带的本地文件README.md文件测试。
val textFile = sc.textFile("file:///usr/local/spark/README.md")
加载HDFS文件和本地文件都是使用textFile,区别是添加前缀(hdfs://和file://)进行标识。
3、退出Spark Shell
:quit
到这里,Spark的安装和配置以及简单测试基本完成了!
声明:素材来源于厦门大学大数据实验室,文章由个人实操!