【吐血经验】在 windows 上安装 spark 遇到的一些坑 | 避坑指南

在 windows 上安装 spark 遇到的一些坑 | 避坑指南

最近有个活：给了我一个阿里云桌面（windows 10系统），让我在上面用 scala + spark 写一些东西。

总是报错不断，基本的逻辑都运行不了。经历了很久的 debug ，我总结出来：凡是 IDEA 没有在我的脚本里明确指出哪行有问题的错误，都是因为版本不兼容。别犹豫，赶快检查版本。

检查涉及到：

• 基本的 java 环境： 1.8.0_201
• 语言 scala 版本： 2.12.13
• hadoop 版本： 2.6.4
• spark 版本： 2.4.8

第一关：scala小版本不兼容

尽管我们在 spark 官网看到：Spark 2.4.8 配置 Scala 2.12.x 版本就行，但是呵呵，运行时报错如下。

... java.lang.NoSuchMethodError: scala.Predef$.refArrayOps ...

我本身刚开始用 scala ，还以为是自己写的程序哪里出了问题。好家伙这顿找哇，最后感谢『运行spark出现java.lang.NoSuchMethodError: scala.Predef$.refArrayOps』，让我意识到了或许更换 scala 版本可以一试。

上面那篇文章建议在 mvnrepository.com/artifact/org.apache.spark/spark-core 上面看版本兼容，我觉得不靠谱。我这里推荐两个方法，都是我自己摸索的：

方法一： 打开我们的命令行（cmd或者powershell都行），输入 spark-shell ，看我们本地安装的 spark 用了啥版本的 scala 。如下图。

方法二： 去 spark 安装路径下面看看里面那 scala 依赖都啥版本。如下图。

于是把 scala 2.12.13 卸载了，去 scala 官网下载了 scala 2.11.12 版本的。

第二关：Hadoop 版本

好家伙，之前的错误不报了，现在是新错误。

错误一：
... java.lang.Exception: java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows. ...

错误二：
... 【MapReduce】报错：java.lang.UnsatisfiedLinkError : org.apache.hadoop.io.nativeio ...

参考了两篇文章，没啥直接帮助，但是我意识到了可能是 Hadoop 版本不对：

• java.lang.Exception: java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.
• 【MapReduce】报错：java.lang.UnsatisfiedLinkError : org.apache.hadoop.io.nativeio

毕竟咱的 spark 安装包就叫 spark-2.4.8-bin-hadoop2.7 ，怎么说都得安装个 2.7 的 hadoop 。

换了 hadoop 2.7.3 。没啥问题了。

第三关：hadoop.dll

本以为大功告成了。直到我使用了一个方法：

result.coalesce(1).write.mode(SaveMode.Overwrite).csv(outputPath)

我想通过 spark 把数据写到硬盘上，好家伙，报错了。

... java.io.IOException: (null) entry in command string: null chmod 0644 ...

我又以为是自己对 API 理解不深刻造成的问题，于是乱改了半天。

直到我想起：凡是 IDEA 没有在我的脚本里明确指出哪行有问题的错误，都是因为版本不兼容。 我现在虽然版本没问题了，但是可能还有其他地方没配好。至少，很大概率不是自己写的代码有问题。

感谢老哥『Hadoop在window上运行出现:java.io.IOException: (null) entry in command string: null chmod 0644』，我安装老哥的指引在 github.com/4ttty/winutils/blob/master/hadoop-2.7.1/bin 下载了动态链接库 hadoop.dll ，放在了 C:/Windows/System32 下面。

我的版本本来是 2.7.3 ，但下载的版本是 2.7.1 （没有 2.7.3 ），心里祈祷：小版本兼容吧，小版本兼容吧。终于是好用了。

总结

不知道以后还会遇到什么版本问题。

归根结底，还是自己对于 Spark 极其依赖、生态不熟悉，如果是 Python 报错，我一下就能看出来是自己代码的问题，还是环境有问题。所以还是得系统了解一下 Spark 相关内容。学习系统性知识将让我的工作事半功倍。

还有，能用 linux 尽量用 linux 吧，把 docker 配好，谁要用直接拉镜像，剩多少事啊。但是话说回来，要是直接帮我配好了环境，我就学不到这么多了。

我是小拍，微信 PiperLHJ ， 想要建一个 spark/scala/hadoop/大数据技术栈 群 ，想入伙的小伙伴加我微信 PiperLHJ 。

老铁别忘了给个关注、点赞。