1.Spark介绍

Spark是一种通用的大数据计算框架,是基于RDD（弹性分布式数据集）的一种计算模型。那到底是什么，可能还不是太理解，通俗讲就是可以分布式处理大量极数据的，将大量集数据先拆分，分别进行计算，然后再将计算后的结果进行合并。

这一篇主要给大家分享如何在Windows上安装Spark。

2.Spark下载

我们要安装Spark，首先需要到Saprk官网去下载对应的安装包，Spark官网：http://spark.apache.org/downloads.html

第一步点击我红框框住的蓝色链接部分即可。

操作了第一步以后会跳转到另一个页面，如下图所示，选择红框框住的部分进行下载，然后选择文件保存的路径进行保存即可。

我们需要把下图中的bin文件所在的路径设置到环境变量里面。

3.Spark环境变量设置

第一步右键我的电脑，然后选择属性，就来到了下图这个界面。

选择红框框住的高级系统系统设置，然后再点击环境变量。

这里我们看到有两个path，一个是用户的环境变量，一个是系统的环境变量，这两个有啥区别呢？

系统的环境变量设置以后对所有登陆这个系统的所有用户都起作用，而用户环境变量只对这个用户起作用，我们一般设置系统环境变量，即系统用户变量里面的path。

先点击path部分把path行选中，然后再点击编辑。

把bin (包含bin) 文件夹所在的路径添加到已有环境变量的后面，并用;隔开，然后点击确定，这样环境变量就配置成功。

利用组合键Win+R调出cmd界面，输入spark-shell，得到如下界面：

报错Missing Python executable Python是因为没有把Python添加到环境变量中，所以需要先把Python添加到环境变量中，添加方式和Spark添加方式是一样的，只需要找到你电脑中Python所在路径即可。

把Python添加到环境变量以后，再次输入spark-shell，没有Python的报错了，但是还有Java not found的报错，所以我们需要在电脑上安装Java。

4.Java下载安装

首先需要来到Java官网去下载对应的Java版本，Java官网：https://www.oracle.com/technetwork/java/javase/downloads/index.html

选择我红框框住的JDK DOWNLOAD，然后就会跳转到另一个页面。

先点击小红框框住的Accept License Agreement，然后再点击下方对应的版本，这里我电脑是Windows 64bit，所以选择Windows x64即可。

下载好以后是一个.exe文件，直接双击运行即可，等程序安装完成以后，同样需要把安装目录下的bin文件夹添加到环境变量，添加方式与spark添加方式一样。

这个时候再次输入sprak-shell就会得到下图中大大的一个spark图案，当你看到这个界面时，说明spark已经安装配置完成了。

因为spark是由scala语言写的，所以spark原生就支持scala语言，所以你会看到scala>这个符号，scala语言中也有print方法，我们输入一个看看结果，得到我们想要的结果了，说明正式安装完成了。

5.PySpark安装

经过上面的步骤以后我们算是把spark已经成功安装到了我们的电脑中，但是spark默认是用的scala语言。如果我们想要用Python语言去写spark的话，而且只需要用Python语言的话，可以直接利用pyspark模块,不需要经过上面的spark下载和环境配置过程，但是同样需要java环境配置过程。pyspark模块安装的方法与其他模块一致，直接使用下述代码即可：

pip install pyspark

这里需要注意一点就是，如果你的python已经添加到环境变量了，那么就在系统自带的cmd界面运行pip。如果你是用的是Anaconda，且没有添加环境变量，那你就需要在Anaconda Promt中运行pip了。当pip安装成功以后，打开jupyter notebook输入：

import pyspark

如果没有报错，说明pyspark模块已经安装成功，可以开始使用啦。

End.爱数据网专栏作者：张俊红作者介绍：一个数据科学路上的学习者、实践者、传播者个人公众号：俊红的数据分析之路