windows下spark简单搭建

系统：windows x64

内存：4G

spark版本：spark-1.6.0-bin-hadoop2.6

JDK版本：jdk1.7.0_031

spark安装步骤：

          1.spark安装包，下载地址 https://spark.apache.org/downloads.html

          2.解压下载好的安装包，彷佛路径最好不要含空格（没有试过含空格会怎么样）

          3.环境变量中配置SPARK_HOME，path中指定到SPARK_HOME下的bin目录。

          4.如今运行的是本地模式，能够不用安装hadoop，可是windows下须要配置HADOOP_HOME，并在HADOOP_HOME/bin下放一个winutils.exe的文件，具体见https://github.com/spring-projects/spring-hadoop/wiki/Using-a-Windows-client-together-with-a-Linux-cluster

           5.打开CMD，试试spark-shell命令可否运行成功。

           可能遇到问题1：关于xerces.jar包的问题，多是jar包冲突致使，最直接解决办法：从新下载一个jdk

           可能遇到问题2：spark-shell throws java.lang.RuntimeException: The root scratch dir: /tmp/hive on HDFS should be writable.这个错误，彷佛是hive的一个BUG，具体能够见https://issues.apache.org/jira/browse/SPARK-10528

配置Eclipse的java开发环境：

            java开发spark程序是依赖一个jar，位于SPARK_HOME/lib/spark-assembly-1.6.0-hadoop2.6.0.jar,直接导入eclipse便可，spark运行只支持1.6以上java环

最后附上一个WordCount程序，是经过hdfs读取和输出的文件

SparkConf conf = new SparkConf().setAppName("WordCount").setMaster("local");

JavaSparkContext context = new JavaSparkContext(conf);

JavaRDD<String> textFile = context.textFile("hdfs://192.168.1.201:8020/data/test/sequence/sequence_in/file1.txt");
JavaRDD<String> words = textFile.flatMap(new FlatMapFunction<String, String>() {
    public Iterable<String> call(String s) {return Arrays.asList(s.split(" "));}
});
JavaPairRDD<String, Integer> pairs = words.mapToPair(new PairFunction<String, String, Integer>() {
    public Tuple2<String, Integer> call(String s) { return new Tuple2<String, Integer>(s, 1); }
});
JavaPairRDD<String, Integer> counts = pairs.reduceByKey(new Function2<Integer, Integer, Integer>() {
    public Integer call(Integer a, Integer b) { return a + b; }
});
counts.saveAsTextFile("hdfs://192.168.1.201:8020/data/test/sequence/sequence_out/");