头歌：Spark的安装与使用

第1关：Scala语言开发环境的部署

相关知识

Scala是一种函数式面向对象语言，它融汇了许多前所未有的特性，而同时又运行于JVM之上。随着开发者对Scala的兴趣日增，以及越来越多的工具支持，无疑Scala语言将成为你手上一件必不可少的工具。

而我们将要学习的大数据框架Spark底层是使用Scala开发的，使用scala写出的代码长度是使用java写出的代码长度的1/10左右，代码实现更加简练。

所以安装与配置Scala的环境是我们在开始学习Spark之前要完成的准备工作。

接下来我们开始安装，分为三个步骤：

下载解压；

配置环境；

校验。

下载解压

在Scala官网根据平台选择下载Scala的安装包，

接下来，解压到/app目录下：

mkdir /app //创建 app 目录

tar -zxvf scala-2.12.7.tgz -C /app

提示：在平台已经将解压包下载在/opt目录下了，就不需要再从网络下载了。

做法：

题目中已经说明在平台已经将spark安装包下载到/opt目录下了，所以不需要再下载了。

1.所以要先将目录跳转到/opt目录中:

cd /opt

2.接下来，解压到/app目录下：

mkdir /app //创建 app 目录

tar -zxvf scala-2.12.7.tgz -C /app

配置环境

接下来我们开始配置环境，在自己本机上需要配置好Java环境，因为Scala是基于jvm的（在平台已经将Java环境配置好了）：

vi /etc/profile

#set scala
SCALA_HOME=/app/scala-2.12.7
export PATH=$PATH:$SCALA_HOME/bin

不要忘了配置好之后source /etc/profile

校验

在命令行输入：scala -version出现如下结果就配置成功了

按照惯例，我们在开始一个编程语言要进行一个仪式，哈哈，那就是，Hello World，接下来我们使用Scala输出Hello World：

在命令行中输入scala进入Scala命令行，输入println("Hello World") 就可以啦。

第2关：安装与配置Spark开发环境

300

• 任务要求
• 参考答案
• 评论74

• 任务描述
• 相关知识
  • 下载解压安装包
  • 配置环境变量
  • 修改Spark配置文件
  • 校验
• 编程要求

---

任务描述

本关任务：安装与配置Spark开发环境。

相关知识

Apache Spark是专为大规模数据处理而设计的快速通用的计算引擎。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。

本关我们来配置一个伪分布式的Spark开发环境，与配置Hadoop类似分为三个步骤：

1. 下载解压安装包；
2. 配置环境变量；
3. 配置Spark环境；
4. 校验。

下载解压安装包

我们从官网下载好安装包，

接下来解压，在平台已经将spark安装包下载到/opt目录下了，所以不需要再下载了。

1. tar -zxvf spark-2.2.2-bin-hadoop2.7.tgz -C /app

将压缩包解压到/app目录下。

配置环境变量

我们将spark的根目录配置到/etc/profile中（在文件末尾添加）。

1. vim /etc/profile

不要忘了source /etc/profile

修改Spark配置文件

切换到conf目录下：

1. cd /app/spark-2.2.2-bin-hadoop2.7/conf

在这里我们需要配置的是spark-env.sh文件，但是查看目录下文件只发现一个spark-env.sh.template文件，我们使用命令复制该文件并重命名为spark-env.sh即可；

接下来编辑spark-env.sh，在文件末尾添加如下配置：

1. export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_111
3. export SCALA_HOME=/app/scala-2.12.7
5. export HADOOP_HOME=/usr/local/hadoop/
7. export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
9. export SPARK_MASTER_IP=machine_name # machine_name 根据自己的主机确定
11. export SPARK_LOCAL_IP=machine_name # machine_name 根据自己的主机确定

参数解释：

参数	解释
JAVA_HOME	Java的安装路径
SCALA_HOME	Scala的安装路径
HADOOP_HOME	Hadoop的安装路径
HADOOP_CONF_DIR	Hadoop配置文件的路径
SPARK_MASTER_IP	Spark主节点的IP或机器名
SPARK_LOCAL_IP	Spark本地的IP或主机名

如何查看机器名/主机名呢？

很简单，在命令行输入：hostname即可。

校验

最后我们需要校验是否安装配置成功了； 现在我们启动spark并且运行spark自带的demo：

首先我们在spark根目录下启动spark： 在spark的根目录下输入命令./sbin/start-all.sh即可启动，使用jps命令查看是否启动成功，有woker和master节点代表启动成功。

接下来运行demo：

• 在Spark根目录使用命令./bin/run-example SparkPi > SparkOutput.txt运行示例程序

• 在运行的时候我们可以发现打印了很多日志，最后我们使用cat SparkOutput.txt可以查看计算结果（计算是有误差的所以每次结果会不一样）：

  

好了，如果你能到这一步就已经完成了伪分布式Spark的安装啦。

编程要求

做法：

题目中已经说明在平台已经将spark安装包下载到/opt目录下了，所以不需要再下载了。

1.所以要先将目录跳转到/opt目录中:

cd /opt

2.然后按照步骤解压

tar -zxvf spark-2.2.2-bin-hadoop2.7.tgz -C /app

3.配置环境变量

vim /etc/profile

将以下代码加入到编辑文件末尾

#set spark enviroment
SPARK_HOME=/app/spark-2.2.2-bin-hadoop2.7
export PATH=$PATH:$SPARK_HOME/bin

保存后使用以下代码更新环境变量

source /etc/profile

修改Spark配置文件

切换到conf目录下：

cd /app/spark-2.2.2-bin-hadoop2.7/conf

在这里我们需要配置的是spark-env.sh文件，但是查看目录下文件只发现一个spark-env.sh.template文件，我们使用命令复制该文件并重命名为spark-env.sh即可；

接下来编辑spark-env.sh，在文件末尾添加如下配置：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_111

export SCALA_HOME=/app/scala-2.12.7

export HADOOP_HOME=/usr/local/hadoop/

export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop

export SPARK_MASTER_IP=machine_name # machine_name 根据自己的主机确定

export SPARK_LOCAL_IP=machine_name # machine_name 根据自己的主机确定

在命令行输入hostname查询自己的主机名

我这里的主机名是educoder

所以将

export SPARK_MASTER_IP=machine_name   # machine_name 根据自己的主机确定
export SPARK_LOCAL_IP=machine_name    # machine_name 根据自己的主机确定

修改为

export SPARK_MASTER_IP=educoder   # educoder 根据自己的主机确定
export SPARK_LOCAL_IP=educoder    # educoder 根据自己的主机确定

参数解释：

参数 解释

JAVA_HOME Java的安装路径

SCALA_HOME Scala的安装路径

HADOOP_HOME Hadoop的安装路径

HADOOP_CONF_DIR Hadoop配置文件的路径

SPARK_MASTER_IP Spark主节点的IP或机器名

SPARK_LOCAL_IP Spark本地的IP或主机名

如何查看机器名/主机名呢？

很简单，在命令行输入：hostname即可。

校验

最后我们需要校验是否安装配置成功了；

现在我们启动spark并且运行spark自带的demo：

首先我们在spark根目录下启动spark：

在spark的根目录下输入命令./sbin/start-all.sh即可启动，使用jps命令查看是否启动成功，有woker和master节点代表启动成功。

接下来运行demo：

在Spark根目录使用命令./bin/run-example SparkPi > SparkOutput.txt运行示例程序

在运行的时候我们可以发现打印了很多日志，最后我们使用cat SparkOutput.txt可以查看计算结果（计算是有误差的所以每次结果会不一样）：