一、组件版本说明
Java JDK:1.8.0_144
spark-2.4.3-bin-hadoop2.7
hadoop-2.7.7
scala-2.12.8
hadooponwindows-master
Python3.7
注意事项：
Spark运行在Java 8 +，Python 2.7 + / 3.4 +和R 3.1+上。对于Scala API，Spark 2.4.3使用Scala 2.12。您需要使用兼容的Scala版本（2.12.x）
1、JDK安装
下载安装后配置环境变量：
配置环境变量的方法为电脑[右键]——>属性——>环境变量，编辑环境变量方法见下图
配置完成后：开启cmd窗口
2、配置Scala
下载地址：
https://www.scala-lang.org/download/2.12.8.html
安装完成后，配置环境变量
3、安装Spark
下载地址：
http://spark.apache.org/downloads.html
解压后配置环境变量：
4、安装hadoop
下载地址：
http://hadoop.apache.org/releases.html
解压后配置环境变量：
5、安装Python3.7
6、把hadooponwindows-master的bin覆盖hadoop-2.7.7的bin
7、处理Python相关
1，将spark所在目录下（比如我的D:ITigdatasoftspark-2.4.3-bin-hadoop2.7python）的pyspark文件夹拷贝到python文件夹下（我的是D:ITpythonPythonLibsite-packages）
2，安装py4j库
一般的在cmd命令行下 pip install py4j 就可以。若是没有将pip路径添加到path中，就将路径切换到python的Scripts中，然后再 pip install py4j 来安装库。
3 修改权限
将winutils.exe文件放到Hadoop的bin目录下（我的是E:sparkspark-2.1.0-bin-hadoop2.7in），然后以管理员的身份打开cmd，然后通过cd命令进入到Hadoop的bin目录下，然后执行以下命令：
winutils.exe chmod 777 c: mpHive
8、启动
9、使用Pycharm新建一个wordcount例程
from pyspark import SparkConf, SparkContext # 创建SparkConf和SparkContext conf = SparkConf().setMaster("local").setAppName("lichao-wordcount") sc = SparkContext(conf=conf) # 输入的数据 data = ["hello", "world", "hello", "word", "count", "count", "hello"] # 将Collection的data转化为spark中的rdd并进行操作 rdd = sc.parallelize(data) resultRdd = rdd.map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b) # rdd转为collecton并打印 resultColl = resultRdd.collect() for line in resultColl: print(line)
搭建完成啦！