linux环境不使用hadoop安装单机版spark的方法

大数据持续升温， 不熟悉几个大数据组件， 连装逼的口头禅都没有。 最起码， 你要会说个hadoop, hdfs, mapreduce, yarn, kafka, spark, zookeeper, neo4j吧， 这些都是装逼的必备技能。

关于spark的详细介绍, 网上一大堆， 搜搜便是， 下面， 我们来说单机版的spark的安装和简要使用。

0.  安装jdk,  由于我的机器上之前已经有了jdk, 所以这一步我可以省掉。 jdk已经是很俗气的老生常谈了, 不多说, 用java/scala的时候可少不了。

ubuntu@vm-0-15-ubuntu:~$ java -version
openjdk version "1.8.0_151"
openjdk runtime environment (build 1.8.0_151-8u151-b12-0ubuntu0.16.04.2-b12)
openjdk 64-bit server vm (build 25.151-b12, mixed mode)
ubuntu@vm-0-15-ubuntu:~$ 

1.  你并不一定需要安装hadoop, 只需要选择特定的spark版本即可。你并不需要下载scala, 因为spark会默认带上scala shell. 去spark官网下载， 在没有hadoop的环境下， 可以选择：spark-2.2.1-bin-hadoop2.7， 然后解压， 如下：

ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc$ ll
total 196436
drwxrwxr-x 3 ubuntu ubuntu   4096 feb 2 19:57 ./
drwxrwxr-x 9 ubuntu ubuntu   4096 feb 2 19:54 ../
drwxrwxr-x 13 ubuntu ubuntu   4096 feb 2 19:58 spark-2.2.1-bin-hadoop2.7/
-rw-r--r-- 1 ubuntu ubuntu 200934340 feb 2 19:53 spark-2.2.1-bin-hadoop2.7.tgz

2.  spark中有python和scala版本的, 下面， 我来用scala版本的shell, 如下：

ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$ bin/spark-shell 
using spark's default log4j profile: org/apache/spark/log4j-defaults.properties
setting default log level to "warn".
to adjust logging level use sc.setloglevel(newlevel). for sparkr, use setloglevel(newlevel).
18/02/02 20:12:16 warn nativecodeloader: unable to load native-hadoop library for your platform... using builtin-java classes where applicable
18/02/02 20:12:16 warn utils: your hostname, localhost resolves to a loopback address: 127.0.0.1; using 172.17.0.15 instead (on interface eth0)
18/02/02 20:12:16 warn utils: set spark_local_ip if you need to bind to another address
spark context web ui available at http://172.17.0.15:4040
spark context available as 'sc' (master = local[*], app id = local-1517573538209).
spark session available as 'spark'.
welcome to
   ____       __
   / __/__ ___ _____/ /__
  _\ \/ _ \/ _ `/ __/ '_/
  /___/ .__/\_,_/_/ /_/\_\  version 2.2.1
   /_/
using scala version 2.11.8 (openjdk 64-bit server vm, java 1.8.0_151)
type in expressions to have them evaluated.
type :help for more information.
scala> 

来进行简单操作：

scala> val lines = sc.textfile("readme.md")
lines: org.apache.spark.rdd.rdd[string] = readme.md mappartitionsrdd[1] at textfile at <console>:24
scala> lines.count()
res0: long = 103
scala> lines.first()
res1: string = # apache spark
scala> :quit
ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$ 
ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$ 
ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$  
ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$ wc -l readme.md 
103 readme.md
ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$ head -n 1 readme.md 
# apache spark
ubuntu@vm-0-15-ubuntu:~/taoge/spark_calc/spark-2.2.1-bin-hadoop2.7$ 

来看看可视化的web页面， 在windows上输入： 

ok,  本文仅仅是简单的安装， 后面我们会继续深入介绍spark.

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。如果你想了解更多相关内容请查看下面相关链接