第 1 章 Spark 概述
1.1 什么是 Spark
1.2 Spark 内置模块
Spark Core：实现了 Spark 的基本功能，包含任务调度、内存管理、错误恢复、与存储
系统交互等模块。Spark Core 中还包含了对弹性分布式数据集(Resilient Distributed
DataSet，简称 RDD)的 API 定义。
Spark SQL：是 Spark 用来操作结构化数据的程序包。通过 Spark SQL，我们可以使用
SQL 或者 Apache Hive 版本的 SQL 方言(HQL)来查询数据。Spark SQL 支持多种数据源，
比如 Hive 表、Parquet 以及 JSON 等。
Spark Streaming：是 Spark 提供的对实时数据进行流式计算的组件。提供了用来操作数
据流的 API，并且与 Spark Core 中的 RDD API 高度对应。
Spark MLlib：提供常见的机器学习(ML)功能的程序库。包括分类、回归、聚类、协同
过滤等，还提供了模型评估、数据 导入等额外的支持功能。
集群管理器：Spark 设计为可以高效地在一个计算节点到数千个计算节点之间伸缩计
算。为了实现这样的要求，同时获得最大灵活性，Spark 支持在各种集群管理器(Cluster
Manager)上运行，包括 Hadoop YARN、Apache Mesos，以及 Spark 自带的一个简易调度
器，叫作独立调度器。
Spark 得到了众多大数据公司的支持，这些公司包括 Hortonworks、IBM、Intel、
Cloudera、MapR、Pivotal、百度、阿里、腾讯、京东、携程、优酷土豆。当前百度的
Spark 已应用于大搜索、直达号、百度大数据等业务；阿里利用 GraphX 构建了大规模的图
计算和图挖掘系统，实现了很多生产系统的推荐算法；腾讯 Spark 集群达到 8000 台的规
模，是当前已知的世界上最大的 Spark 集群。
1.3 Spark 特点
第 2 章 Spark 运行模式
2.1 Spark 安装地址
1．官网地址
http://spark.apache.org/
2．文档查看地址
https://spark.apache.org/docs/2.1.1/
3．下载地址
https://spark.apache.org/downloads.html
2.3 Local 模式
2.3.1 概述
2.3.2 安装使用
1）上传并解压 spark 安装包
[lxl@hadoop102 sorfware]$ tar -zxvf spark-2.1.1-bin-hadoop2.7.tgz -C /opt/module/[lxl@hadoop102 module]$ mv spark-2.1.1-bin-hadoop2.7 spark
2）官方求 PI 案例
[lxl@hadoop102 spark]$ bin/spark-submit \--class org.apache.spark.examples.SparkPi \--executor-memory 1G \--total-executor-cores 2 \./examples/jars/spark-examples_2.11-2.1.1.jar \100
（1）基本语法
bin/spark-submit \--class--master \--deploy-mode \--conf = \... # other options\[application-arguments]
（2）参数说明：
--master 指定 Master 的地址，默认为 Local--class: 你的应用的启动类 (如 org.apache.spark.examples.SparkPi)--deploy-mode: 是否发布你的驱动到 worker 节点(cluster) 或者作为一个本地客户端(client) (default: client)*--conf: 任意的 Spark 配置属性， 格式 key=value. 如果值包含空格，可以加引号“key=value”application-jar: 打包好的应用 jar,包含依赖. 这个URL 在集群中全局可见。 比如hdfs:// 共享存储系统， 如果是 file:// path， 那么所有的节点的path 都包含同样的 jar application-arguments: 传给 main()方法的参数--executor-memory 1G 指定每个 executor 可用内存为 1G--total-executor-cores 2 指定每个 executor 使用的 cup 核数为 2 个
3） 结果展示
该算法是利用蒙特·卡罗算法求PI
4）准备文件
[lxl@hadoop102 spark]$ mkdir input
在 input 下创建 3 个文件 1.txt 和 2.txt，并输入以下内容
hello atguiguhello spark
5）启动 spark-shell
[lxl@hadoop102 spark]$ bin/spark-shell scala>
开启另一个 CRD 窗口
[lxl@hadoop102 ~]$ jps2421 Worker2551 SparkSubmit2632 CoarseGrainedExecutorBackend2333 Master2703 Jps
可登录 hadoop102:4040 查看程序运行：
6）运行 WordCount 程序
scala>sc.textFile("input").flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_).collectres2: Array[(String, Int)] = Array((hive,3), (oozie,3), (spark,3), (hadoop,6), (hbase,3))
可登录 hadoop102:4040 查看程序运行
