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！！
得出我们下载Hadoop的版本为：3.2
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
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.sparkgroupId>
<artifactId>spark-core_2.12artifactId>
<version>3.0.0version>
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
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.(SparkContext.scala:380)
at org.apache.spark.SparkContext.(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！！
如果对你有用，还请点赞关注下，支持一下一直是小编写作的动力！！
可以看下一小编的微信公众号，和网站文章首发看，欢迎关注，一起交流哈！！微信搜索：小王博客基地
