Apache Spark 简介
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，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。
Spark 是一种与 Hadoop 相似的开源集群计算环境，但是两者之间还存在一些不同之处，这些有用的不同之处使 Spark 在某些工作负载方面表现得更加优越，换句话说，Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。
Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。
尽管创建 Spark 是为了支持分布式数据集上的迭代作业，但是实际上它是对 Hadoop 的补充，可以在 Hadoop 文件系统中并行运行。通过名为 Mesos 的第三方集群框架可以支持此行为。Spark 由加州大学伯克利分校 AMP 实验室 (Algorithms, Machines, and People Lab) 开发，可用来构建大型的、低延迟的数据分析应用程序。
准备工作1 环境
2 依赖环境
Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架。与 Hadoop 不同，Spark 和 Scala 能够紧密集成，其中的 Scala 可以像操作本地集合对象一样轻松地操作分布式数据集。安装 Scala:
-
Scala
Scala-2.13.0 安装及配置（https://link.juejin.im/?target=https%3A%2F%2Fsegmentfault.com%2Fa%2F1190000011314775）
-
Hadoop
Hadoop-2.7.4 集群快速搭建（https://link.juejin.im/?target=https%3A%2F%2Fsegmentfault.com%2Fa%2F1190000011266759）
安装
1 下载解压
2 环境变量
如果是对所有的用户都生效就修改 文件如果只针对当前用户生效就修改 文件
使环境变量生效，运行 使 文件生效
3 修改配置
简单介绍几个变量
-
JAVA_HOME：Java安装目录
-
SCALA_HOME：Scala安装目录
-
HADOOP_HOME：hadoop安装目录
-
HADOOP_CONF_DIR：hadoop集群的配置文件的目录
-
SPARK_MASTER_IP：spark集群的Master节点的ip地址
-
SPARK_WORKER_MEMORY：每个worker节点能够最大分配给exectors的内存大小
-
SPARK_WORKER_CORES：每个worker节点所占有的CPU核数目
-
SPARK_WORKER_INSTANCES：每台机器上开启的worker节点的数目
4 配置集群
进去 spark 安装目录 ，打包，并发送，到其他节点
进去 , 节点 解压
到这里一步 确保你的每一个节点 环境变量够数
5 启动集群
关闭防火墙
spark 访问：192.168.252.121:8080
spark-shell 访问：192.168.252.121:4040