Spark 安装配置及基本操作示例

简介：

• Spark是UC Berkeley AMP lab (加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。
• Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
• Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。

---

本文概述：

• Spark可以独立安装，也可以和Hadoop一起安装使用(本文与hadoop安装在一起)
• 本教程中，我们采用和Hadoop一起安装使用，这样，就可以让Spark使用HDFS存取数据
• 本文统一使用hadoop用户操作，安装包放在 /opt/source 目录下

1. Hadoop 安装

• 关于Hadoop的单机模式、伪分布式集群配置请查看 官网示例文档
• 完全分布式集群配置 请查看我之前的文章介绍或 参考官网

2. Spark 安装

下载地址 http://spark.apache.org/downloads.html