正文

在win10环境下配置spark和scala

IP云
IP云V管理员/4 阅读
08/23
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

在这里配置的是在命令行下运行spark的环境用来学习，最后结果如下，可运行简单的代码。

0、jdk、scala和spark的版本问题

有关版本如官网所示，我想要强调的是spark至今并不支持jdk11，只支持到jdk8（jdk1.8）.如果版本不对，你跑普通的代码都会报类、函数不存在的错误，我所下载的版本如上图所示spark2.4.3、scala2.11.12、java1.8。

1、 安装环境

在win10 64位系统中，我已经安装好jdk、scala，并设置好了环境变量JAVA_HOME、SCALA_HOME、PATH。此时在cmd里输入scala -version和java -version可以获得对应的版本。

2、 安装spark

从官网http://spark.apache.org/downloads.html下载对应版本的压缩包，解压在本地某个目录下，并设置好环境变量。

下载：

解压：

设置环境变量：

SPARK_HOME设置为你的解压后的文件目录、在path中添加%SPARK_HOME%\bin

3、 配置hadoop

同样是下载压缩包、解压、添加环境变量。需要注意hadoop对应的版本，下载官网http://hadoop.apache.org/releases.html

环境变量：

HADOOP_HOME设置为你的解压后的文件目录、在path中添加%HADOOP_HOME%\bin

4、 测试

之后就可以通过spark-shell进入交互spark命令行，进行简单的代码测试了，比如：

练习1：

//通过并行化生成rddval rdd1 = sc.parallelize(List(5, 6, 4, 7, 3, 8, 2, 9, 1, 10))//对rdd1里的每一个元素乘2然后排序val rdd2 = rdd1.map(_ * 2).sortBy(x => x, true)//过滤出大于等于十的元素val rdd3 = rdd2.filter(_ >= 10)//将元素以数组的方式在客户端显示rdd3.collect

参考：

https://blog.csdn.net/songhaifengshuaige/article/details/79480491