4.Spark环境搭建和使用方法
一、安装Spark
spark和Hadoop可以部署在一起，相互协作，由Hadoop的HDFS、HBase等组件复制数据的存储和管理，由Spark负责数据的计算。
Linux：CentOS Linux release 7.6.1810(Core)（cat /etc/centos-release 查看linux版本）
JDK：1.8.0_171（java -version）
Spark：2.3.0（先在命令行中查找spark-shell所在的位置，命令为find / -name spark-shell，然后运行spark-shell，就能看到spark的版本号了）
二、在spark-shell中运行代码
1.四种模式
（1）local
（2）独立集群
（3）yarn
（4）MESOS
举例：
启动spark shell成功后在输出信息的末尾可以看到"scala >"的命令提示符
三、编写Spark独立应用程序
第一步:
第二步：
（1）sbt
步骤一：安装sbt
步骤2：用sbt打包
需要在应用程序的目录下构建simple.sbt文件（只要扩展名是.sbt都可以），在sbt中给出依赖说明，说明中包括当前应用的名称，版本号，scala版本，依赖的groupID
在正式打包编译之前，需要检查一下目录结构，必须要满足下面的目录结构，才允许打包，编译。
打包成功，会出现success信息
（2）Maven
步骤一：安装Maven
在写本地文件的时候一定是file:///
步骤二：建一个新的目录叫sparkapp2，在该目录下建立src/main/scala，增加SimpleApp.scala代码
在“~/sparkapp2”目录中新建pom.xml文件
四、Spark集群环境搭建
在实验室用三台机器搭建spark集群，一台作为主节点master，两台作为辅节点slave，将三台设备配置在同一个局域网内。 底层的Hadoop也要用集群进行配置，数据分布式保存，计算也要分布式运算
（1）在master节点上访问Spark官网下载Spark安装包
在master节点主机的终端中执行如下命令：
在.bashrc添加如下配置
运行source命令，使配置立即生效
（2）在master节点上配置slaves文件，该文件包含了所有从节点的相关信息，slaves文件是在Spark安装目录下面的conf子目录下，在conf子目录下有一个slave.template模块文件，把这个模板文件复制，重命名为Slaves文件。打开这个文件，把刚才两个从节点主机名称放到这个slave文件中保存一下，
（3）配置spark-env.sh文件
将spark-env.template拷贝到spark-env.sh，在这个文件中，需要添加三行配置信息。
（4）将Master主机上的/usr/local/spark文件夹复制到各个节点上
在两个从节点上分别执行下面的操作，
（5）启动集群
启动Hadoop集群，然后启动Master节点，
然后再在master节点上，运行start-slaves.sh这个脚本文件，去启动另外两个从节点，
在master主机上打开浏览器，访问http://master:8080，就会显示下图集群信息
（6）关闭集群
先关闭spark（都是在master节点上执行，不用到slave节点关闭），再关闭Hadoop
五、在集群上运行Spark应用程序
1.启动Hadoop集群、Master节点和所有slaves节点
2.在集群汇总运行应用程序JAR包
安装目录是/usr/local/spark/，在这个目录下油锅spark-submit命令，用这个命令去提交刚才的应用程序，
3.在集群中运行spark-shell
在交互式命令下，运行程序。下面写法表示spark-shell一进入交互式环境，就连接到独立集群资源管理器上面，通过它来调度指挥资源。
在spark交互式环境中，系统会自动生成一个名词为sc的SparkContext对象
用户在独立集群管理Web界面查看应用的运行情况：在浏览器中输入http://master:8080/，就可以查看当前的运行状态。
4.向Hadoop YARN集群管理器提交应用
在当前master节点的安装目录下去运行命令，
运行后，根据在shell中得到输出的结果地址进行查看
5.用spark-shell连接到YARN集群管理器上
在客户端启动一个spark-shell，是在客户端的交互式环境下执行，不可能是cluster模式，肯定是一个client模式。
参考文献：
