wang1221

一、前言

近几年大数据是异常的火爆,今天小编以java开发的身份来会会大数据,提高一下自己的层面!
大数据技术也是有很多:

  • Hadoop
  • Spark
  • Flink

小编也只知道这些了,由于Hadoop,存在一定的缺陷(循环迭代式数据流处理:多
并行运行的数据可复用场景效率不行)。所以Spark出来了,一匹黑马,8个月的时间从加入 Apache,直接成为***项目!!

选择Spark的主要原因是:

Spark和Hadoop的根本差异是多个作业之间的数据通信问题 : Spark多个作业之间数据
通信是基于内存,而 Hadoop 是基于磁盘。

二、Spark介绍

官网地址

Spark 是用于大规模数据处理的统一分析引擎。它提供了 Scala、Java、Python 和 R 中的高级 API,以及支持用于数据分析的通用计算图的优化引擎。它还支持一组丰富的高级工具,包括用于 SQL 和 DataFrames 的 Spark SQL、用于 Pandas 工作负载的 Spark 上的 Pandas API、用于机器学习的 MLlib、用于图形处理的 GraphX 和用于流处理的结构化流。

spark是使用Scala语言开发的,所以使用Scala更好!!

三、下载安装

1. Scala下载

Scala官网

点击安装

在这里插入图片描述

下载自己需要的版本

在这里插入图片描述
点击自己需要的版本:小编这里下载的是2.12.11

点击下载Windows二进制:
在这里插入图片描述
慢的话可以使用迅雷下载!

2. 安装

安装就是下一步下一步,记住安装目录不要有空格,不然会报错的!!!

3. 测试安装

win+R输入cmd
输入:

scala

必须要有JDK环境哈,这个学大数据基本都有哈!!

在这里插入图片描述

4. Hadoop下载

一个小技巧:
Hadoop和Spark版本需要一致,我们先去看看spark,他上面名字就带着和他配套的Hadoop版本!!

spark3.0对照

在这里插入图片描述
得出我们下载Hadoop的版本为:3.2

Hadoop下载地址

在这里插入图片描述

5. 解压配置环境

解压到即可使用,为了使用方便,要想jdk一样配置一下环境变量!

新建HADOOP_HOME
值为安装目录:D:\software\hadoop-3.2.1
Path里添加:%HADOOP_HOME%\bin

cmd输入:hadoop:提示

系统找不到指定的路径。
Error: JAVA_HOME is incorrectly set.

这里先不用管,咱们只需要Hadoop的环境即可!

6. 下载Spark

Spark官网

点击找到历史版本:
在这里插入图片描述
点击下载:
在这里插入图片描述

7. 解压环境配置

新建:SPARK_HOMED:\spark\spark-3.3.1-bin-hadoop3
Path添加:%SPARK_HOME%\bin

8. 测试安装

win+R输入cmd
输入:

spark-shell

在这里插入图片描述

四、集成Idea

1. 下载插件

scala

在这里插入图片描述

2. 给项目添加Global Libraries

打开配置:
在这里插入图片描述
新增SDK

在这里插入图片描述
下载你需要的版本:小编这里是:2.12.11

在这里插入图片描述
右击项目,添加上scala

在这里插入图片描述

3. 导入依赖

<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.12</artifactId>
    <version>3.0.0</version>
</dependency>

4. 第一个程序

在这里插入图片描述

在这里插入图片描述

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. 测试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.

在这里插入图片描述

原因就是缺少:winutils

下载地址

在这里插入图片描述
把它发放Hadoop的bin目录下:

在这里插入图片描述

6. 测试bug2

这个没办法复现,拔的网上的记录:


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)

就是这句:A master URL must be set in your configuration

解决方案:
就是没有用到本地的地址

右击项目:
在这里插入图片描述

没有环境就添加上:
在这里插入图片描述
添加上:

-Dspark.master=local

在这里插入图片描述

7. 测试完成

没有error,完美!!
在这里插入图片描述

五、总结

这样就完成了,历尽千辛万苦,终于成功。第一次结束差点劝退,发现自己对这个东西还是不懂,后面再慢慢补Scala。先上手感受,然后再深度学习!!

如果对你有用,还请点赞关注下,支持一下一直是小编写作的动力!!


可以看下一小编的微信公众号,和网站文章首发看,欢迎关注,一起交流哈!!微信搜索:小王博客基地

点击访问!小编自己的网站,里面也是有很多好的文章哦!

相关文章: