如何入手Spark？

2019-04-14 本文已影响16人 bd8941f5f5cc

Spark 概述

Apache Spark是一个快速和通用的集群计算系统。它提供Java，scala,Python、R语言的APIs，以及支持一般执行图形的优化引擎。它还支持一组丰富的高级工具，包括用于SQL和结构化数据处理的Spark SQL，用于机器学习的MLlib，用于图形处理的GraphX和Spark Streaming。

下载

从项目网站的下载页面获取Spark。本文档适用于Spark 2.1.0版本。 Spark使用Hadoop的客户端库用于HDFS和YARN。下载是预先打包的一些流行的Hadoop版本。用户还可以下载“Hadoop free”二进制文件，并通过扩充Spark的类路径，使用任何Hadoop版本运行Spark。 Scala和Java用户可以使用其maven cooridnates在他们的项目中包含Spark，并且在将来Python用户也可以从PyPI安装Spark。

如果你想从源代码编译Spark，请访问Building Spark。

Spark在Windows和类UNIX系统（例如Linux，Mac OS）上运行。它很容易在一台计算机上本地运行 – 所有你需要的是在系统PATH上安装java，或者JAVA_HOME环境变量指向Java安装位置。

Spark运行于Java 7+，Python 2.6 + / 3.4 +和R 3.1+。对于Scala API，Spark 2.1.0使用Scala 2.11。您将需要使用兼容的Scala版本（2.11.x）。

请注意，Java 7和Python 2.6的支持在从Spark 2.0.0已过时，并且对于Scala 2.10和2.6之前的Hadoop版本的支持在Spark 2.1.0中已过时，并且可能会在Spark 2.2.0中被删除。

运行示例和Shell

Spark附带了几个示例程序。 Scala，Java，Python和R示例在examples/src/ main目录中。要运行Java或Scala示例程序之一，请在顶级Spark目录中使用bin / run-example [params]。（在后台，这将调用更通用的spark提交脚本来启动应用程序）。例如，

./bin/run-example SparkPi10

您还可以通过Scala shell的修改版本以交互方式运行Spark。这是一个学习框架的好方法。

./bin/spark-shell--master local[2]

--master选项指定分布式集群的master URL，或者本地使用一个线程运行在本地，或者使用local [N]在本地使用N个线程运行。您应该首先使用local进行测试。有关选项的完整列表，请运行Spark shell 使用–help选项。

Spark还提供了一个Python API。要在Python解释器中以交互方式运行Spark，请使用bin / pyspark：

./bin/pyspark--masterlocal[2]

示例应用程序也在Python中提供。例如，

./bin/spark-submit examples/src/main/python/pi.py10

Spark自1.4以来提供了一个实验R API（仅包括DataFrames API）。要在R解释器中以交互方式运行Spark，请使用bin / sparkR：

./bin/sparkR--masterlocal[2]

示例应用也在R中提供。例如，

./bin/spark-submit examples/src/main/r/dataframe.R