Spark 中文资料网站 ApacheCN

地址：http://spark.apachecn.org/docs/cn/2.2.0/index.html#spark

地址：http://spark.apachecn.org/docs/en/2.2.0/index.html#spark

Spark 概述

Apache Spark 是一个快速的, 多用途的集群计算系统。它提供了 Java, Scala, Python 和 R 的高级 API，以及一个支持通用的执行图计算的优化过的引擎. 它还支持一组丰富的高级工具, 包括使用 SQL 处理结构化数据处理的 Spark SQL, 用于机器学习的 MLlib, 用于图计算的 GraphX, 以及 Spark Streaming。

下载

从该项目官网的下载页面获取 Spark. 该文档用于 Spark 2.2.0 版本. Spark可以通过Hadoop client库使用HDFS和YARN.下载一个预编译主流Hadoop版本比较麻烦. 用户可以下载一个编译好的Hadoop版本, 并且可以通过设置 Spark 的 classpath 来与任何的 Hadoop 版本一起运行 Spark. Scala 和 Java 用户可以在他们的工程中通过Maven的方式引入 Spark, 并且在将来 Python 用户也可以从 PyPI 中安装 Spark。

如果您希望从源码中编译一个Spark, 请访问编译 Spark.

Spark可以在windows和unix类似的系统（例如, Linux, Mac OS）上运行。它可以很容易的在一台本地机器上运行 -你只需要安装一个JAVA环境并配置PATH环境变量，或者让JAVA_HOME指向你的JAVA安装路径

Spark 可运行在 Java 8+, Python 2.7+/3.4+ 和 R 3.1+ 的环境上。针对 Scala API, Spark 2.2.0 使用了 Scala 2.11. 您将需要去使用一个可兼容的 Scala 版本 (2.11.x).

请注意, 从 Spark 2.2.0 起, 对 Java 7, Python 2.6 和旧的 Hadoop 2.6.5 之前版本的支持均已被删除.

请注意, Scala 2.10 的支持已经不再适用于 Spark 2.1.0, 可能会在 Spark 2.3.0 中删除。

运行示例和 Shell

Spark 自带了几个示例程序. Scala, Java, Python 和 R 示例在 examples/src/main 目录中. 要运行 Java 或 Scala 中的某个示例程序, 在最顶层的 Spark 目录中使用 bin/run-example <class> [params] 命令即可.（这个命令底层调用了 spark-submit 脚本去加载应用程序）。例如,

./bin/run-example SparkPi 10您也可以通过一个改进版的 Scala shell 来运行交互式的 Spark。这是一个来学习该框架比较好的方式。

./bin/spark-shell --master local[2]该 --master选项可以指定为针对分布式集群的 master URL, 或者以local模式使用 1 个线程在本地运行, local[N] 会使用 N 个线程在本地运行.你应该先使用local模式进行测试. 可以通过–help指令来获取spark-shell的所有配置项. Spark 同样支持 Python API。在 Python interpreter（解释器）中运行交互式的 Spark, 请使用 bin/pyspark:

./bin/pyspark --master local[2]Python 中也提供了应用示例。例如,

./bin/spark-submit examples/src/main/python/pi.py 10从 1.4 开始（仅包含了 DataFrames APIs）Spark 也提供了一个用于实验性的 R API。为了在 R interpreter（解释器）中运行交互式的 Spark, 请执行 bin/sparkR:

./bin/sparkR --master local[2]R 中也提供了应用示例。例如,

./bin/spark-submit examples/src/main/r/dataframe.R在集群上运行

该 Spark 集群模式概述说明了在集群上运行的主要的概念。 Spark 既可以独立运行, 也可以在一些现有的 Cluster Manager（集群管理器）上运行。它当前提供了几种用于部署的选项:

Standalone Deploy Mode: 在私有集群上部署 Spark 最简单的方式

Apache Mesos

Hadoop YARN

快速跳转

编程指南:

快速入门: 简单的介绍 Spark API; 从这里开始！

Spark 编程指南: 在 Spark 支持的所有语言（Scala, Java, Python, R）中的详细概述。

构建在 Spark 之上的模块:Spark Streaming: 实时数据流处理

Spark SQL, Datasets, and DataFrames: 支持结构化数据和关系查询