Spark在windows下的安裝

原創 andy_gfz 2020-07-08 09:14

　由於Spark是用Scala來寫的，所以Spark對Scala肯定是原生態支持的，因此這裏以Scala爲主來介紹Spark環境的搭建，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。爲了突出”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囉嗦，老司機大可不必閱讀，直接跳過就好。 
　　

一．JDK的安裝與環境變量的設置

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，一般進入頁面後，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，更爲詳細具體的地址是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，點擊進去之後可以看到這個最新版本的一些更爲詳細的信息，如下圖所示：


　　首先，這裏主要包含有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。對於版本的選擇，自行選擇就好了，其實對於普通開發人員來說，體現不了太大的區別，我這裏就是使用的JDK 8u101版本。

　　選好8u101版本後，再選擇你的對應開發平臺，由於我的機器是64位的，所以我這裏選擇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，然後設定你自己的安裝目錄（安裝目錄在設置環境變量的時候需要用到）即可。 
　　

1.2 環境變量的設置

　　接下來設置相應的環境變量，設置方法爲：在桌面右擊【計算機】－－【屬性】－－【高級系統設置】，然後在系統屬性裏選擇【高級】－－【環境變量】，然後在系統變量中找到“Path”變量，並選擇“編輯”按鈕後出來一個對話框，可以在裏面添加上一步中所安裝的JDK目錄下的bin文件夾路徑名，我這裏的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。這樣設置好後，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束了。

　　全部流程如下圖所示（後續軟件安裝的系統變量設置都是這套流程）：

1.3 一些題外話

　 
　　這裏講兩句題外話，各位看官不關心的話可以跳過這裏，不影響後續的安裝步驟。 
　　在軟件安裝的時候，相信各位沒少遇到過環境變量和系統變量，所以這裏就來扒一扒令人頭疼的PATH, CLASSPATH和JAVA_HOME等參數的具體含義。

1.3.1 環境變量、系統變量和用戶變量

  • 環境變量包括系統變量和用戶變量
  • 系統變量的設置針對該操作系統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後，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變量，告訴操作系統去哪裏找到Java.exe的執行路徑，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

操作系統首先會一驚，What the hell does “java” mean? 不過吐槽歸吐槽，活還是得幹，於是悠悠的記起來了蓋茨爸爸說過的三句話：

  1. 當你看不懂命令行窗口中的一個命令的時候，你首先去你所在的當前目錄下找找，是否有這個命令的.exe程序？如果有，那就用它來啓動執行；
  2. 如果沒有，千萬別放棄，記得要去Path系統變量下的那些目錄下去找一找，如果找到了，啓動並執行命令；
  3. 如果上面兩個地方依然還沒找到，那你就撒個嬌，報個錯好了。

所以我們將JDK安裝目錄下的bin文件夾添加到Path系統變量的目的也就在這裏，告訴操作系統：如果在當前目錄下找不到java.exe，就去Path系統變量裏的那些路徑下挨個找一找，直到找到java.exe爲止。那爲什麼要設置bin文件夾，而不是JDK安裝的根目錄呢？原因就在於根目錄下沒有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' 不是內部或外部命令，也不是可運行的程序
或批處理文件。
  • 1
  • 2
  • 3
  • 1
  • 2
  • 3

注意：這裏報錯的原因並不是說直接指定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執行一個已經編譯好的class文件時，告訴Java去哪些目錄下找到這個class文件，比如你的程序裏用到某個Jar包（Jar包裏的都是已經編譯好的class文件），那麼在執行的時候，Java需要找到這個Jar包纔行，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。這裏做一個實驗，就能明白具體是什麼意思了。
　　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於Hello World的程序，保存爲testClassPath.java文件（注意後綴名得改成java），內容如下：

public class testClassPath{
    public static void main(String[] args){
        System.out.println("Hello, this is a test on CLASSPATH!");
    }
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 1
  • 2
  • 3
  • 4
  • 5

然後，我將cmd的當前目錄切換到（通過cd命令）F:\Program Files\Java目錄下，然後用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），這是因爲執行該命令的javac.exe同樣存在於JDK安裝路徑下的bin目錄中，而這個目錄我們已經添加到Path系統變量中去了，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節中對Path系統變量設置的方法一樣，這裏在CLASSPATH（如果系統變量的列表中沒有CLASSPATH這個選項，那麼點擊新建，然後添加路徑即可）中最後面添加上;.，英文的分號表示和前面已有的路徑分割開，後面的小點.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，然後利用cd命令切換到testClassPath.class所在目錄，然後再去執行，便可以成功得到結果了。

F:\Program Files\Java>java testClassPath
Hello, this is a test on CLASSPATH!
  • 1
  • 2
  • 1
  • 2

　　因此，和Path變量不同的是，Java在執行某個class文件的時候，並不會有默認的先從當前目錄找這個文件，而是隻去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，則開始執行，如果沒有則報錯（這裏有去當前目錄下找這個class文件，是因爲當前路徑通過.的方式，已經添加到了CLASSPATH系統變量中）。
　　上面講的指定CLASSPATH系統變量的方法，都是直接寫死在系統變量中的，爲了避免造成干擾（比如多個同名class文件存在於多個路徑中，這些路徑都有添加到CLASSPATH系統變量中，由於在找class文件的時候，是從左往右掃描CLASSPATH系統變量中的路徑的，所以在利用java testClassPath方法執行的時候，運行的便是位置在CLASSPATH系統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果），因此在諸如Eclipse等等這些IDE中，並不需要人爲手動設定CLASSPATH系統變量，而是隻設定當前程序的特定的CLASSPATH系統變量，這樣便不會影響到其他程序的運行了。

1.3.4 JAVA_HOME

JAVA_HOME並不是Java本身所需要的參數，而是其他的一些第三方工具需要這個參數來配置它們自己的參數，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節裏Path系統變量中要添加的值），那麼JAVA_HOME裏要添加的值便是F:\Program Files\Java\jdk1.8.0_101，以後碰到類似HOME的系統變量，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，在這裏需要注意的是，Spark的各個版本需要跟相應的Scala版本對應，比如我這裏使用的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版本相互對應的關係。我這裏現在用的是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後，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文件後，可以雙擊執行安裝。安裝成功後，默認會將Scala的bin目錄添加到PATH系統變量中去（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，添加到系統變量PATH中），爲了驗證是否安裝成功，開啓一個新的cmd窗口，輸入scala然後回車，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：

如果不能顯示版本信息，並且未能進入Scala的交互命令行，通常有兩種可能性： 
- 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。 
- Scala未能夠正確安裝，重複上面的步驟即可。

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；
  • 然後點擊下圖中箭頭所指的spark-1.6.2-bin-hadoop2.6.tgz，等待下載結束即可。


　　這裏使用的是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後才能使用。下載完成後將文件進行解壓（可能需要解壓兩次），最好解壓到一個盤的根目錄下，並重命名爲Spark，簡單不易出錯。並且需要注意的是，在Spark的文件目錄路徑名中，不要出現空格，類似於“Program Files”這樣的文件夾名是不被允許的。

　　解壓後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。例如我這裏的Spark的bin目錄路徑爲D:\Spark\bin，那麼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，設置完系統變量後，在任意目錄下的cmd命令行中，直接執行spark-shell命令，即可開啓Spark的交互式命令行模式。

四．HADOOP下載

　　系統變量設置後，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，這裏主要是因爲Spark是基於Hadoop的，所以這裏也有必要配置一個Hadoop的運行環境。在Hadoop Releases裏可以看到Hadoop的各個歷史版本，這裏由於下載的Spark是基於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），我這裏選擇2.6.4版本，選擇好相應版本並點擊後，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，這裏上面的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，我這裏下載的就是已經編譯好的版本，即圖中的’hadoop-2.6.4.tar.gz’文件。


　　 
　　下載並解壓到指定目錄，然後到環境變量部分設置HADOOP_HOME爲Hadoop的解壓目錄，我這裏是F:\Program Files\hadoop，然後再設置該目錄下的bin目錄到系統變量的PATH下，我這裏也就是F:\Program Files\hadoop\bin，如果已經添加了HADOOP_HOME系統變量，也可以用%HADOOP_HOME%\bin來指定bin文件夾路徑名。這兩個系統變量設置好後，開啓一個新的cmd，然後直接輸入spark-shell命令。

　　正常情況下是可以運行成功並進入到Spark的命令行環境下的，但是對於有些用戶可能會遇到空指針的錯誤。這個時候，主要是因爲Hadoop的bin目錄下沒有winutils.exe文件的原因造成的。這裏的解決辦法是： 
　　 
- 去 https://github.com/steveloughran/winutils 選擇你安裝的Hadoop版本號，然後進入到bin目錄下，找到winutils.exe文件，下載方法是點擊winutils.exe文件，進入之後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後，將這個文件放入到Hadoop的bin目錄下，我這裏是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。

　　經過這幾個步驟之後，然後再次開啓一個新的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命令後，Spark開始啓動，並且輸出了一些日誌信息，大多數都可以忽略，需要注意的是兩句話：

Spark context available as sc.
SQL context available as sqlContext.
  • 1
  • 2
  • 1
  • 2

Spark context和SQL context分別是什麼，後續再講，現在只需要記住，只有看到這兩個語句了，才說明Spark真正的成功啓動了。

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進行一些簡單的調試和測試，和spark-shell的作用類似。對於需要安裝Python的來說，這裏建議使用Python(x,y)，它的優點就是集合了大多數的工具包，不需要自己再單獨去下載而可以直接import來使用，並且還省去了繁瑣的環境變量配置，下載地址是Python(x,y) - Downloads，下載完成後，雙擊運行安裝即可。因爲本教程主要以Scala爲主，關於Python的不做過多講解。

六. 小結

　　至此，基本的Spark本地調試環境便擁有了，對於初步的Spark學習也是足夠的。但是這種模式在實際的Spark開發的時候，依然是不夠用的，需要藉助於一個比較好用的IDE來輔助開發過程。下一講就主要講解ItelliJ IDEA以及Maven的配置過程。 
　　

參考

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章