本文主要是講解Spark在Windows環境是如何搭建的

一、JDK的安裝

1、1 下載JDK

首先需要安裝JDK，并且將環境變量配置好，如果已經安裝了的老司機可以忽略。JDK（全稱是JavaTM Platform Standard Edition Development Kit）的安裝，去Oracle官網下載，下載地址是Java SE Downloads。

上圖中兩個用紅色標記的地方都是可以點擊的，點擊進去之后可以看到這個最新版本的一些更為詳細的信息，如下圖所示：

下載完之后，我們安裝就可以直接JDK，JDK在windows下的安裝非常簡單，按照正常的軟件安裝思路去雙擊下載得到的exe文件，然后設定你自己的安裝目錄（這個安裝目錄在設置環境變量的時候需要用到）即可。

1、2 JDK環境變量設置

接下來設置相應的環境變量，設置方法為：在桌面右擊【計算機】－－【屬性】－－【高級系統設置】，然后在系統屬性里選擇【高級】－－【環境變量】，然后在系統變量中找到“Path”變量，并選擇“編輯”按鈕后出來一個對話框，可以在里面添加上一步中所安裝的JDK目錄下的bin文件夾路徑名，我這里的bin文件夾路徑名是：C:\Program Files\Java\jre1.8.0_92\bin，所以將這個添加到path路徑名下，注意用英文的分號“;”進行分割。如圖所示：

這樣設置好后，便可以在任意目錄下打開的cmd命令行窗口下運行下面命令。查看是否設置成功。

java -version

觀察是否能夠輸出相關java的版本信息，如果能夠輸出，說明JDK安裝這一步便全部結束了。如圖所示：

二、Scala的安裝

我們從官網：http://www.scala-lang.org/下載Scala，最新的版本為2.12.3，如圖所示

因為我們是在Windows環境下，這也是本文的目的，我們選擇對應的Windows版本下載，如圖所示：

下載得到Scala的msi文件后，可以雙擊執行安裝。安裝成功后，默認會將Scala的bin目錄添加到PATH系統變量中去（如果沒有，和上面JDK安裝步驟中類似，將Scala安裝目錄下的bin目錄路徑，添加到系統變量PATH中），為了驗證是否安裝成功，開啟一個新的cmd窗口，輸入scala然后回車，如果能夠正常進入到Scala的交互命令環境則表明安裝成功。如下圖所示：

備注：如果不能顯示版本信息，并且未能進入Scala的交互命令行，通常有兩種可能性：
1、Path系統變量中未能正確添加Scala安裝目錄下的bin文件夾路徑名，按照JDK安裝中介紹的方法添加即可。
2、Scala未能夠正確安裝，重復上面的步驟即可。

三、Spark的安裝

我們到Spark官網進行下載：http://spark.apache.org/，我們選擇帶有Hadoop版本的Spark，如圖所示：

下載后得到了大約200M的文件： spark-2.2.0-bin-hadoop2.7

這里使用的是Pre-built的版本，意思就是已經編譯了好了，下載來直接用就好，Spark也有源碼可以下載，但是得自己去手動編譯之后才能使用。下載完成后將文件進行解壓（可能需要解壓兩次），最好解壓到一個盤的根目錄下，并重命名為Spark，簡單不易出錯。并且需要注意的是，在Spark的文件目錄路徑名中，不要出現空格，類似于“Program Files”這樣的文件夾名是不被允許的。我們在C盤新建一個Spark文件夾存放，如圖所示：

解壓后基本上就差不多可以到cmd命令行下運行了。但這個時候每次運行spark-shell（spark的命令行交互窗口）的時候，都需要先cd到Spark的安裝目錄下，比較麻煩，因此可以將Spark的bin目錄添加到系統變量PATH中。例如我這里的Spark的bin目錄路徑為D:\Spark\bin，那么就把這個路徑名添加到系統變量的PATH中即可，方法和JDK安裝過程中的環境變量設置一致，設置完系統變量后，在任意目錄下的cmd命令行中，直接執行spark-shell命令，即可開啟Spark的交互式命令行模式。

系統變量設置后，就可以在任意當前目錄下的cmd中運行spark-shell，但這個時候很有可能會碰到各種錯誤，這里主要是因為Spark是基于hadoop的，所以這里也有必要配置一個Hadoop的運行環境。錯誤如圖所示：

接下來，我們還需要安裝Hadoop。

四、Hadoop的安裝

在Hadoop Releases里可以看到Hadoop的各個歷史版本，這里由于下載的Spark是基于Hadoop 2.7的（在Spark安裝的第一個步驟中，我們選擇的是Pre-built for Hadoop 2.7），我這里選擇2.7.1版本，選擇好相應版本并點擊后，進入詳細的下載頁面，如下圖所示：

選擇圖中紅色標記進行下載，這里上面的src版本就是源碼，需要對Hadoop進行更改或者想自己進行編譯的可以下載對應src文件，我這里下載的就是已經編譯好的版本，即圖中的“hadoop-2.7.1.tar.gz”文件。

下載并解壓到指定目錄，，我這里是C:\Hadoop，如圖所示：

然后到環境變量部分設置HADOOP_HOME為Hadoop的解壓目錄，如圖所示：

然后再設置該目錄下的bin目錄到系統變量的PATH下，我這里也就是C:\Hadoop\bin，如果已經添加了HADOOP_HOME系統變量，也可用%HADOOP_HOME%\bin來指定bin文件夾路徑名。這兩個系統變量設置好后，開啟一個新的cmd窗口，然后直接輸入spark-shell命令。如圖所示：

正常情況下是可以運行成功并進入到Spark的命令行環境下的，但是對于有些用戶可能會遇到空指針的錯誤。這個時候，主要是因為Hadoop的bin目錄下沒有winutils.exe文件的原因造成的。這里的解決辦法是：

可以去https://github.com/steveloughran/winutils選擇你安裝的Hadoop版本號，然后進入到bin目錄下，找到winutils.exe文件，下載方法是點擊winutils.exe文件，進入之后在頁面的右上方部分有一個Download按鈕，點擊下載即可。 如圖所示：

下載winutils.exe文件

將下載好winutils.exe后，將這個文件放入到Hadoop的bin目錄下，我這里是C:\Hadoop\hadoop-2.7.1\bin。

在打開的cmd中輸入

但是我們發現報了一些其他的錯(Linux環境下也是會出現這個錯誤)

console>:14: error: not found: value spark
    import spark.implicits._
        ^
 console>:14: error: not found: value spark
    import spark.sql

其原因是沒有權限在spark中寫入metastore_db 這個文件。

處理方法：我們授予777的權限

Linux環境，我們在root下操作：

sudo chmod 777 /home/hadoop/spark
 
 #為了方便，可以給所有的權限
 sudo chmod a+w /home/hadoop/spark

window環境下：

存放Spark的文件夾不能設為只讀和隱藏，如圖所示：

授予完全控制的權限，如圖所示：

經過這幾個步驟之后，然后再次開啟一個新的cmd窗口，如果正常的話，應該就可以通過直接輸入spark-shell來運行Spark了。正常的運行界面應該如下圖所示：

六、Python下Spark開發環境搭建

下面簡單講解Python下怎么搭建Spark環境

1、將spark目錄下的pyspark文件夾（C:\Spark\python\pyspark）復制到python安裝目錄C:\Python\Python35\Lib\site-packages里。如圖所示

spark的pysaprk

將pyspark拷貝至Python的安裝的packages目錄下。

2、然后使用cd命令，進入目錄D:\python27\Scripts，運行pip install py4j安裝py4j庫。如圖所示：

如果需要在python中或者在類似于IDEA IntelliJ或者PyCharm(筆者用的就是PyCharm)等IDE中使用PySpark的話，需要在系統變量中新建一個PYTHONPATH的系統變量，然后設置好下面變量值就可以了

PATHONPATH=%SPARK_HOME%\python;%SPARK_HOME%\python\lib\py4j-0.10.4-src.zip

后面的事情就交給PyCharm了。

至此，Spark在Windows環境下的搭建講解已結束。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。