二、Spark在Windows下的环境搭建
由于Spark是用Scala來寫的，所以Spark對Scala肯定是原生態(tài)支持的，因此這里以Scala為主來介紹Spark環(huán)境的搭建，主要包括四個步驟，分別是：JDK的安裝，Scala的安裝，Spark的安裝，Hadoop的下載和配置。為了突出”From Scratch”的特點（都是標題沒選好的緣故），所以下面的步驟稍顯有些啰嗦，老司機大可不必閱讀，直接跳過就好。?
一．JDK的安裝與環(huán)境變量的設置
1.1 JDK的安裝
JDK（全稱是JavaTM Platform Standard Edition Development Kit）的安裝，下載地址是Java SE Downloads，一般進入頁面后，會默認顯示一個最新版的JDK，如下圖所示，當前最新版本是JDK 8，更為詳細具體的地址是Java SE Development Kit 8 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：
首先，這里主要包含有8u101和8u102這兩個版本，Java給出的官方說明是：
“Java SE?8u101 includes important security fixes. Oracle strongly recommends that all Java SE 8 users upgrade to this release. Java SE 8u102 is a patch-set update, including all of 8u101 plus additional features (described in the release notes). ”
也就是說Java推薦所有開發(fā)人員從以前的版本升級到JDK 8u101，而JDK 8u102則除了包括101的所有特性之外，還有一些其他的特性。對于版本的選擇，自行選擇就好了，其實對于普通開發(fā)人員來說，體現(xiàn)不了太大的區(qū)別，我這里就是使用的JDK 8u101版本。
選好8u101版本后，再選擇你的對應開發(fā)平臺，由于我的機器是64位的，所以我這里選擇Windows64位的版本。記得在下載之前，必須要接受上方的許可協(xié)議，在上圖中用紅色圈出。?
?
除了下載最新版本的JDK，也可以在Oracle Java Archive下載到歷史版本的JDK，但官方建議只做測試用。?
?
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（安裝目錄在設置環(huán)境變量的時候需要用到）即可。?
1.2 環(huán)境變量的設置
接下來設置相應的環(huán)境變量，設置方法為：在桌面右擊【計算機】－－【屬性】－－【高級系統(tǒng)設置】，然后在系統(tǒng)屬性里選擇【高級】－－【環(huán)境變量】，然后在系統(tǒng)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：F:\Program Files\Java\jdk1.8.0_101\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。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
java -version- 1
- 1
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(jié)束了。
全部流程如下圖所示（后續(xù)軟件安裝的系統(tǒng)變量設置都是這套流程）：
1.3 一些題外話
?
這里講兩句題外話，各位看官不關心的話可以跳過這里，不影響后續(xù)的安裝步驟。?
在軟件安裝的時候，相信各位沒少遇到過環(huán)境變量和系統(tǒng)變量，所以這里就來扒一扒令人頭疼的PATH,?CLASSPATH和JAVA_HOME等參數(shù)的具體含義。
1.3.1 環(huán)境變量、系統(tǒng)變量和用戶變量
- 環(huán)境變量包括系統(tǒng)變量和用戶變量
- 系統(tǒng)變量的設置針對該操作系統(tǒng)下的所有用戶起作用；
- 用戶變量的設置只針對當前用戶起作用
如果對這些概念還不是特別熟悉的，建議先看完下面幾個點之后，再回過頭來看這三句話。
1.3.2 PATH
也就是上一步設置的系統(tǒng)變量，告訴操作系統(tǒng)去哪里找到Java.exe的執(zhí)行路徑，當你在命令行窗口冷不丁的敲上如下命令的時候，
java -version- 1
- 1
操作系統(tǒng)首先會一驚，What the hell does “java” mean? 不過吐槽歸吐槽，活還是得干，于是悠悠的記起來了蓋茨爸爸說過的三句話：
所以我們將JDK安裝目錄下的bin文件夾添加到Path系統(tǒng)變量的目的也就在這里，告訴操作系統(tǒng)：如果在當前目錄下找不到java.exe，就去Path系統(tǒng)變量里的那些路徑下挨個找一找，直到找到java.exe為止。那為什么要設置bin文件夾，而不是JDK安裝的根目錄呢？原因就在于根目錄下沒有java.exe啊，只有bin文件夾下才有啊喂……
如果只是在命令行窗口下運行一下java的命令，那其實也可以不設置系統(tǒng)變量，只是每次在命令行窗口運行java的命令時，都必須帶上一長串路徑名，來直接指定java.exe的位置，如下所示。
C:\Users\weizierxu>F:\Program Files\Java\jdk1.8.0_101\bin\java.exe -version 'F:\Program' 不是內(nèi)部或外部命令，也不是可運行的程序 或批處理文件。注意：這里報錯的原因并不是說直接指定java.exe的路徑名這種方式有問題，而是命令行下無法解析帶有空格的路徑名，所以需要用到雙引號，如下：
C:\Users\weizierxu>"F:\Program Files"\Java\jdk1.8.0_101\bin\java.exe -version java version "1.8.0_101" Java(TM) SE Runtime Environment (build 1.8.0_101-b13) Java HotSpot(TM) 64-Bit Server VM (build 25.101-b13, mixed mode)- 1
- 2
- 3
- 4
- 1
- 2
- 3
- 4
1.3.3 CLASSPATH
CLASSPATH是在Java執(zhí)行一個已經(jīng)編譯好的class文件時，告訴Java去哪些目錄下找到這個class文件，比如你的程序里用到某個Jar包（Jar包里的都是已經(jīng)編譯好的class文件），那么在執(zhí)行的時候，Java需要找到這個Jar包才行，去哪找呢？從CLASSPATH指定的目錄下，從左至右開始尋找（用分號區(qū)分開的那些路徑名），直到找到你指定名字的class文件，如果找不到就會報錯。這里做一個實驗，就能明白具體是什么意思了。
首先，我在F:\Program Files\Java目錄下，利用Windows自帶的記事本寫了一個類似于Hello World的程序，保存為testClassPath.java文件（注意后綴名得改成java），內(nèi)容如下：
- 1
- 2
- 3
- 4
- 5
- 1
- 2
- 3
- 4
- 5
然后，我將cmd的當前目錄切換到（通過cd命令）F:\Program Files\Java目錄下，然后用javac命令來對這個.java文件進行編譯，如下圖所示：
?
從上圖中可以看到，javac命令可以正常使用（沒有任何輸出的就表明正確編譯了），這是因為執(zhí)行該命令的javac.exe同樣存在于JDK安裝路徑下的bin目錄中，而這個目錄我們已經(jīng)添加到Path系統(tǒng)變量中去了，所以cmd能夠認識這個命令。這個時候可以看到F:\Program Files\Java目錄下多了一個testClassPath.class文件。不過運行這個class文件的時候，報錯了。這個時候，CLASSPATH就派上用場了，和1.2節(jié)中對Path系統(tǒng)變量設置的方法一樣，這里在CLASSPATH（如果系統(tǒng)變量的列表中沒有CLASSPATH這個選項，那么點擊新建，然后添加路徑即可）中最后面添加上;.，英文的分號表示和前面已有的路徑分割開，后面的小點.表示當前目錄的意思。
這個時候記得要另起一個新的cmd窗口，然后利用cd命令切換到testClassPath.class所在目錄，然后再去執(zhí)行，便可以成功得到結(jié)果了。
因此，和Path變量不同的是，Java在執(zhí)行某個class文件的時候，并不會有默認的先從當前目錄找這個文件，而是只去CLASSPATH指定的目錄下找這個class文件，如果CLASSPATH指定的目錄下有這個class文件，則開始執(zhí)行，如果沒有則報錯（這里有去當前目錄下找這個class文件，是因為當前路徑通過.的方式，已經(jīng)添加到了CLASSPATH系統(tǒng)變量中）。
上面講的指定CLASSPATH系統(tǒng)變量的方法，都是直接寫死在系統(tǒng)變量中的，為了避免造成干擾（比如多個同名class文件存在于多個路徑中，這些路徑都有添加到CLASSPATH系統(tǒng)變量中，由于在找class文件的時候，是從左往右掃描CLASSPATH系統(tǒng)變量中的路徑的，所以在利用java testClassPath方法執(zhí)行的時候，運行的便是位置在CLASSPATH系統(tǒng)變量中最左邊的那個路徑中，對應的class文件，而這顯然不是我們想要的結(jié)果），因此在諸如Eclipse等等這些IDE中，并不需要人為手動設定CLASSPATH系統(tǒng)變量，而是只設定當前程序的特定的CLASSPATH系統(tǒng)變量，這樣便不會影響到其他程序的運行了。
1.3.4 JAVA_HOME
JAVA_HOME并不是Java本身所需要的參數(shù)，而是其他的一些第三方工具需要這個參數(shù)來配置它們自己的參數(shù)，它存在的意義無非是告訴那些軟件，我的JDK安裝在這個目錄下，你如果要用到我的Java程序的話，直接來我這個目錄下找就好了，而JAVA_HOME就是JDK的安裝路徑名。比如我的JDK安裝在F:\Program Files\Java\jdk1.8.0_101目錄下（注意該目錄下的bin目錄，就是在1.3.2節(jié)里Path系統(tǒng)變量中要添加的值），那么JAVA_HOME里要添加的值便是F:\Program Files\Java\jdk1.8.0_101，以后碰到類似HOME的系統(tǒng)變量，都是軟件的安裝目錄。
二. Scala的安裝
首先從DOWNLOAD PREVIOUS VERSIONS下載到對應的版本，在這里需要注意的是，Spark的各個版本需要跟相應的Scala版本對應，比如我這里使用的Spark 1.6.2就只能使用Scala 2.10的各個版本，目前最新的Spark 2.0就只能使用Scala 2.11的各個版本，所以下載的時候，需要注意到這種Scala版本與Spark版本相互對應的關系。我這里現(xiàn)在用的是Scala 2.10.6，適配Spark從1.3.0到Spark 1.6.2之間的各個版本。在版本頁面DOWNLOAD PREVIOUS VERSIONS選擇一個適合自己需要的版本后，會進入到該版本的具體下載頁面，如下圖所示，記得下載二進制版本的Scala，點擊圖中箭頭所指，下載即可：
下載得到Scala的msi文件后，可以雙擊執(zhí)行安裝。安裝成功后，默認會將Scala的bin目錄添加到PATH系統(tǒng)變量中去（如果沒有，和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(tǒng)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(huán)境則表明安裝成功。如下圖所示：
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：?
- Path系統(tǒng)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。?
- Scala未能夠正確安裝，重復上面的步驟即可。
三. Spark的安裝
Spark的安裝非常簡單，直接去Download Apache Spark。有兩個步驟：
- 選擇好對應Hadoop版本的Spark版本，如下圖中所示；
- 然后點擊下圖中箭頭所指的spark-1.6.2-bin-hadoop2.6.tgz，等待下載結(jié)束即可。
這里使用的是Pre-built的版本，意思就是已經(jīng)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(xiàn)空格，類似于“Program Files”這樣的文件夾名是不被允許的。
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(tǒng)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(tǒng)變量的PATH中即可，方法和JDK安裝過程中的環(huán)境變量設置一致，設置完系統(tǒng)變量后，在任意目錄下的cmd命令行中，直接執(zhí)行spark-shell命令，即可開啟Spark的交互式命令行模式。
四．HADOOP下載
系統(tǒng)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(huán)境。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 2.6的（在Spark安裝的第一個步驟中，我們選擇的是Pre-built for Hadoop 2.6），我這里選擇2.6.4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(jīng)編譯好的版本，即圖中的’hadoop-2.6.4.tar.gz’文件。
?
下載并解壓到指定目錄，然后到環(huán)境變量部分設置HADOOP_HOME為Hadoop的解壓目錄，我這里是F:\Program Files\hadoop，然后再設置該目錄下的bin目錄到系統(tǒng)變量的PATH下，我這里也就是F:\Program Files\hadoop\bin，如果已經(jīng)添加了HADOOP_HOME系統(tǒng)變量，也可以用%HADOOP_HOME%\bin來指定bin文件夾路徑名。這兩個系統(tǒng)變量設置好后，開啟一個新的cmd，然后直接輸入spark-shell命令。
正常情況下是可以運行成功并進入到Spark的命令行環(huán)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：?
?
- 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。?
- 下載好winutils.exe后，將這個文件放入到Hadoop的bin目錄下，我這里是F:\Program Files\hadoop\bin。?
- 在打開的cmd中輸入?
F:\Program Files\hadoop\bin\winutils.exe chmod 777 /tmp/hive?
這個操作是用來修改權(quán)限的。注意前面的F:\Program Files\hadoop\bin部分要對應的替換成實際你所安裝的bin目錄所在位置。
經(jīng)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：
從圖中可以看到，在直接輸入spark-shell命令后，Spark開始啟動，并且輸出了一些日志信息，大多數(shù)都可以忽略，需要注意的是兩句話：
Spark context和SQL context分別是什么，后續(xù)再講，現(xiàn)在只需要記住，只有看到這兩個語句了，才說明Spark真正的成功啟動了。
同時，可以通過下圖的web控制臺查看shell的情況：
五. Python下的PySpark
針對Python下的Spark，和Scala下的spark-shell類似，也有一個PySpark，它同樣也是一個交互式的命令行工具，可以對Spark進行一些簡單的調(diào)試和測試，和spark-shell的作用類似。對于需要安裝Python的來說，這里建議使用Python(x,y)，它的優(yōu)點就是集合了大多數(shù)的工具包，不需要自己再單獨去下載而可以直接import來使用，并且還省去了繁瑣的環(huán)境變量配置，下載地址是Python(x,y) - Downloads，下載完成后，雙擊運行安裝即可。因為本教程主要以Scala為主，關于Python的不做過多講解。
六. 小結(jié)
至此，基本的Spark本地調(diào)試環(huán)境便擁有了，對于初步的Spark學習也是足夠的。但是這種模式在實際的Spark開發(fā)的時候，依然是不夠用的，需要借助于一個比較好用的IDE來輔助開發(fā)過程。下一講就主要講解ItelliJ IDEA以及Maven的配置過程。
總結(jié)
以上是生活随笔為你收集整理的二、Spark在Windows下的环境搭建的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： ConcurrentHashMap深入分
- 下一篇： windows下git命令的使用