关于spark与scala版本问题（理论）

hadoop+spark集群的版本关系

刚开始部署分布式计算的时候，常常会遇到这样的问题；如何搭配不同软件的版本呢？我们来梳理一下他们的关系。

1首先hadoop的底层开发是基于java开发的，自然是依赖于java的版本。

2另外spark的底层开发是基于scala开发的，而scala是一种范式语言，两者的共同点是都需要在JVM上运行。范式语言的好处是可以支持java,或者python。不会受到开发语言的过分限制。

3目前hadoop有两个大版本，hadoop2.x 和 hadoop3.x；关于两者的区别，可以移步了解下。对于新手自然推荐先使用hadoop2.x；当熟练之后再考虑搭建hadoop3.x提升效率。这里要特别注意的是hadoop2.x都是基于java7开发的，这是最大的前提，hadoop3.x是基于java8开发的。这也是版本之间最大的区别。虽然都是java,但是他们之间的区别还是需要注意的。

4选择好hadoop版本之后，就是选择相搭配的scala+spark；在spark官网有这样一句话，非常清楚告诉我们选择的遵循规律。

总结一下如下表所示，这里我依然推荐新手选择低版本配置，情况1最佳。这样遇到问题也好解决。

综上所述我们基本上就确定了版本的配置问题。

可能还会有人问具体的版本配置没有限制要求么？我们先看一下大神的版本配置：

java7--Hadoop2.6.4(2016年2月12日)--scala2.11.6(2015年2月26日)--spark2.0.0(2016年7月26日)

java8--Hadoop3.1.1(2019年)--scala2.11.x(2016年2月12日)--spark2.3.2(2016年2月12日)

java8--Hadoop2.9(2019年)--scala未知()--spark2.4.0(2016年2月12日)--Pycharm + Anaconda(Python 3.7版本)

由上可见，这个集群配置还是相对非常宽松的。注意好上面提出的点，可以大胆选择配置。

参考链接