Spark简单介绍，Windows下安装Scala+Hadoop+Spark运行环境，集成到IDEA中

一、前言

近几年大数据是异常的火爆，今天小编以java开发的身份来会会大数据，提高一下自己的层面！

大数据技术也是有很多：

Hadoop
Spark
Flink

小编也只知道这些了，由于Hadoop，存在一定的缺陷（循环迭代式数据流处理：多

并行运行的数据可复用场景效率不行）。所以Spark出来了，一匹黑马，8个月的时间从加入 Apache，直接成为顶级项目！！

选择Spark的主要原因是：

Spark和Hadoop的根本差异是多个作业之间的数据通信问题 : Spark多个作业之间数据

通信是基于内存，而 Hadoop 是基于磁盘。

二、Spark介绍

Spark 是用于大规模数据处理的统一分析引擎。它提供了 Scala、Java、Python 和 R 中的高级 API，以及支持用于数据分析的通用计算图的优化引擎。它还支持一组丰富的高级工具，包括用于 SQL 和 DataFrames 的 Spark SQL、用于 Pandas 工作负载的 Spark 上的 Pandas API、用于机器学习的 MLlib、用于图形处理的 GraphX 和用于流处理的结构化流。

spark是使用Scala语言开发的，所以使用Scala更好！！

三、下载安装

1. Scala下载

Scala官网

点击安装

下载自己需要的版本

点击自己需要的版本：小编这里下载的是2.12.11

点击下载Windows二进制：

慢的话可以使用迅雷下载！

2. 安装

安装就是下一步下一步，记住安装目录不要有空格，不然会报错的！！！

3. 测试安装

win+R输入cmd：

输入：

scala

必须要有JDK环境哈，这个学大数据基本都有哈！！

4. Hadoop下载

一个小技巧：

Hadoop和Spark版本需要一致，我们先去看看spark，他上面名字就带着和他配套的Hadoop版本！！

spark3.0对照

得出我们下载Hadoop的版本为：3.2

Hadoop下载地址

5. 解压配置环境

解压到即可使用，为了使用方便，要想jdk一样配置一下环境变量！

新建HADOOP_HOME

值为安装目录：D:\software\hadoop-3.2.1

在Path里添加：%HADOOP_HOME%\bin

cmd输入：hadoop：提示

系统找不到指定的路径。

Error: JAVA_HOME is incorrectly set.

这里先不用管，咱们只需要Hadoop的环境即可！

6. 下载Spark

Spark官网

点击找到历史版本：

点击下载：

7. 解压环境配置

新建：SPARK_HOME：D:\spark\spark-3.3.1-bin-hadoop3

Path添加：%SPARK_HOME%\bin

8. 测试安装

win+R输入cmd：

输入：

spark-shell

四、集成Idea

1. 下载插件

scala

2. 给项目添加Global Libraries

打开配置：

新增SDK

下载你需要的版本：小编这里是：2.12.11

右击项目，添加上scala：

3. 导入依赖

<dependency>

    <groupId>org.apache.spark</groupId>

    <artifactId>spark-core_2.12</artifactId>

    <version>3.0.0</version>

</dependency>

4. 第一个程序

object Test {

  def main(args: Array[String]): Unit = {

    println("hello")

    var sparkConf = new SparkConf().setMaster("local").setAppName("WordCount");

    var sc = new SparkContext(sparkConf);

    sc.stop();

  }

}

5. 测试bug1

Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties

22/10/31 16:20:35 INFO SparkContext: Running Spark version 3.0.0

22/10/31 16:20:35 ERROR Shell: Failed to locate the winutils binary in the hadoop binary path

java.io.IOException: Could not locate executable D:\software\hadoop-3.2.1\bin\winutils.exe in the Hadoop binaries.

原因就是缺少：winutils

下载地址

把它发放Hadoop的bin目录下：

6. 测试bug2

这个没办法复现，拔的网上的记录：



Using Spark's default log4j profile: org/apache/spark/log4j-defaults.properties

22/10/08 21:02:10 INFO SparkContext: Running Spark version 3.0.0

22/10/08 21:02:10 ERROR SparkContext: Error initializing SparkContext.

org.apache.spark.SparkException: A master URL must be set in your configuration

	at org.apache.spark.SparkContext.<init>(SparkContext.scala:380)

	at org.apache.spark.SparkContext.<init>(SparkContext.scala:120)

	at test.wyh.wordcount.TestWordCount$.main(TestWordCount.scala:10)

	at test.wyh.wordcount.TestWordCount.main(TestWordCount.scala)

就是这句：A master URL must be set in your configuration

解决方案：

就是没有用到本地的地址

右击项目：

没有环境就添加上：

添加上：

-Dspark.master=local

7. 测试完成

没有error，完美！！

五、总结

这样就完成了，历尽千辛万苦，终于成功。第一次结束差点劝退，发现自己对这个东西还是不懂，后面再慢慢补Scala。先上手感受，然后再深度学习！！

如果对你有用，还请点赞关注下，支持一下一直是小编写作的动力！！

可以看下一小编的微信公众号，和网站文章首发看，欢迎关注，一起交流哈！！微信搜索：小王博客基地

点击访问！小编自己的网站，里面也是有很多好的文章哦！