Windows 10 下单机 Spark 环境搭建

【目的】

　　Windows 10 裸机搭建 Spark 环境，使能运行 PySpark Shell。

【原料】

• Windows 10 x64
• jdk-8u162-windows-x64.exe
• python-3.6.7-amd64.exe
• spark-2.3.2-bin-hadoop2.7.tgz
• hadoop-2.7.7.tar.gz
• winutils.exe

【安装 JDK】

• 双击 jdk-8u162-windows-x64.exe 安装，后续基本上就是一路“next”。
• 配置环境变量

# 可通过 echo %JAVA_HOME% 检验
JAVA_HOME: C:\Program Files\Java\jdk1.8.0_162
# 可通过 echo %CLASS_PATH% 检验
CLASS_PATH: C:\Program Files\Java\jdk1.8.0_162\lib
# 可通过 echo %PATH% 检验
Path: C:\Program Files\Java\jdk1.8.0_162\bin      

【安装 Python3】

• 双击 python-3.6.7-amd64.exe 安装
• 为了便于代码补全，建议安装以下两个第三方包

# 安装ipython
pip3 install ipython -i https://pypi.doubanio.com/simple/
# 安装pyreadline
pip3 install pyreadline -i https://pypi.doubanio.com/simple/      

【安装 Spark】

• 到 http://spark.apache.org/downloads.html  下载 spark-2.3.2-bin-hadoop2.7.tgz 并解压，walker 解压到了 D:\spark 目录。
• 到这里，pyspark 已经可以运行了，但会提示找不到 winutils.exe。

SPARK_HOME: D:\spark\spark-2.3.2-bin-hadoop2.7
PATH: D:\spark\spark-2.3.2-bin-hadoop2.7\bin      

【安装 Hadoop】

• 到 https://archive.apache.org/dist/hadoop/common/hadoop-2.7.7/ 下载 hadoop-2.7.7.tar.gz 并解压。如果报错“Can not create symbolic link : 客户端没有所需特权。”，以管理员身份运行解压软件后解压即可。

HADOOP_HOME: D:\spark\hadoop-2.7.7
PATH: D:\spark\hadoop-2.7.7\bin      

• 修改 D:\spark\hadoop-2.7.7\etc\hadoop\文件，否则可能报类似这种错误“Error: JAVA_HOME is incorrectly set. Please update F:\hadoop\conf\hadoop-env.cmd”

# 因为 JAVA_HOME 环境变量有空格，所以做如下修改
set JAVA_HOME=%JAVA_HOME%
# --->>>
set JAVA_HOME=C:\PROGRA~1\Java\\jdk1.8.0_162      

• 开 cmd 输入 hadoop version，有如下输出即正常

Hadoop 2.7.7
Subversion Unknown -r c1aad84bd27cd79c3d1a7dd58202a8c3ee1ed3ac
Compiled by stevel on 2018-07-18T22:47Z
Compiled with protoc 2.5.0
From source with checksum 792e15d20b12c74bd6f19a1fb886490
This command was run using /D:/spark/hadoop-2.7.7/share/hadoop/common/hadoop-common-2.7.7.jar      

【winutils.exe】

• 到 https://github.com/steveloughran/winutils 下载对应版本的 winutils.exe，放入 D:\spark\hadoop-2.7.7\bin。

【Python 脚本测试】

• 脚本如下（t.py）

from pyspark import SparkConf, SparkContext

conf = SparkConf().setMaster("local").setAppName("My App")
sc = SparkContext(conf = conf)
print('***************************** %s' % sc.appName)
sc.stop()      

• 用 spark-submit t.py 命令运行脚本，包含如下输出即正确。

***************************** My App      

【FAQ】

• 报错 ModuleNotFoundError: No module named 'resource'

      可能你用的 spark 版本对 Windows 10 太新了，换成 Spark 2.3.2 或以下的版本即可。

【相关阅读】