Spark簡單介紹，Windows下安裝Scala+Hadoop+Spark執行環境，整合到IDEA中
一、前言
近幾年巨量資料是異常的火爆，今天小編以java開發的身份來會會巨量資料，提高一下自己的層面！
巨量資料技術也是有很多：
- Hadoop
- Spark
- Flink
小編也只知道這些了，由於Hadoop，存在一定的缺陷（迴圈迭代式資料流處理：多
並行執行的資料可複用場景效率不行）。所以Spark出來了，一匹黑馬，8個月的時間從加入 Apache，直接成為頂級專案！！
選擇Spark的主要原因是：
Spark和Hadoop的根本差異是多個作業之間的資料通訊問題 : Spark多個作業之間資料
通訊是基於記憶體，而 Hadoop 是基於磁碟。
二、Spark介紹
Spark 是用於大規模資料處理的統一分析引擎。它提供了 Scala、Java、Python 和 R 中的高階 API，以及支援用於資料分析的通用計算圖的優化引擎。它還支援一組豐富的高階工具，包括用於 SQL 和 DataFrames 的 Spark SQL、用於 Pandas 工作負載的 Spark 上的 Pandas API、用於機器學習的 MLlib、用於圖形處理的 GraphX 和用於流處理的結構化流。
spark是使用Scala語言開發的，所以使用Scala更好！！
三、下載安裝
1. Scala下載
點選安裝
下載自己需要的版本
點選自己需要的版本：小編這裡下載的是2.12.11
點選下載Windows二進位制：
慢的話可以使用迅雷下載！
2. 安裝
安裝就是下一步下一步，記住安裝目錄不要有空格，不然會報錯的！！！
3. 測試安裝
win+R輸入cmd：
輸入：
scala
必須要有JDK環境哈，這個學巨量資料基本都有哈！！
4. Hadoop下載
一個小技巧：
Hadoop和Spark版本需要一致，我們先去看看spark，他上面名字就帶著和他配套的Hadoop版本！！
得出我們下載Hadoop的版本為：3.2
5. 解壓設定環境
解壓到即可使用，為了使用方便，要想jdk一樣設定一下環境變數！
新建HADOOP_HOME
值為安裝目錄：D:\software\hadoop-3.2.1
在Path裡新增：%HADOOP_HOME%\bin
cmd輸入：hadoop：提示
系統找不到指定的路徑。
Error: JAVA_HOME is incorrectly set.
這裡先不用管，咱們只需要Hadoop的環境即可！
6. 下載Spark
點選找到歷史版本：
點選下載：
7. 解壓環境設定
新建：SPARK_HOME：D:\spark\spark-3.3.1-bin-hadoop3
Path新增：%SPARK_HOME%\bin
8. 測試安裝
win+R輸入cmd：
輸入：
spark-shell
四、整合Idea
1. 下載外掛
scala
2. 給專案新增Global Libraries
開啟設定：
新增SDK
下載你需要的版本：小編這裡是：2.12.11
右擊專案，新增上scala：
3. 匯入依賴
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.12</artifactId>
<version>3.0.0</version>
</dependency>
4. 第一個程式
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. 測試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
把它發放Hadoop的bin目錄下：
6. 測試bug2
這個沒辦法復現，拔的網上的記錄：
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)
就是這句：A master URL must be set in your configuration
解決方案：
就是沒有用到原生的地址
右擊專案：
沒有環境就新增上：
新增上：
-Dspark.master=local
7. 測試完成
沒有error，完美！！
五、總結
這樣就完成了，歷盡千辛萬苦，終於成功。第一次結束差點勸退，發現自己對這個東西還是不懂，後面再慢慢補Scala。先上手感受，然後再深度學習！！
如果對你有用，還請點贊關注下，支援一下一直是小編寫作的動力！！
可以看下一小編的微信公眾號，和網站文章首發看，歡迎關注，一起交流哈！！微信搜尋：小王部落格基地
