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:
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。
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!!
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!
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!!!
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!!
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
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!
点击找到历史版本:
点击下载:
新建:SPARK_HOME
:D:\spark\spark-3.3.1-bin-hadoop3
Path
添加:%SPARK_HOME%\bin
win+R
输入cmd
:
输入:
spark-shell
scala
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
:
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.12</artifactId>
<version>3.0.0</version>
</dependency>
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();
}
}
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:
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.<init>(SparkContext.scala:380)
at org.apache.spark.SparkContext.<init>(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
没有error,完美!!
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
手机扫一扫
移动阅读更方便
你可能感兴趣的文章