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​​，直接成为顶级项目！！

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

​​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

点击安装

下载自己需要的版本

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：

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！！

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​​

得出我们下载Hadoop的版本为：​​3.2​​

​​Hadoop下载地址​​

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​​ 在​​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：

点击下载：

7. 解压环境配置

新建：​​SPARK_HOME​​​：​​D:\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

四、集成Idea

1. 下载插件

scala

2. 给项目添加Global Libraries

打开配置：

新增SDK

下载你需要的版本：小编这里是：​​2.12.11​​

右击项目，添加上​​scala​​：

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

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.

原因就是缺少：​​winutils​​

​​下载地址​​

把它发放​​Hadoop​​的bin目录下：

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：

没有环境就添加上：

添加上：

-Dspark.master=local

7. 测试完成

没有error，完美！！

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！！