Apache Spark 2.2.0 中文文档 - 概述 | ApacheCN

Spark 概述

Apache Spark 是一个快速的, 多用途的集群计算系统。 它提供了 Java, Scala, Python 和 R 的高级 API，以及一个支持通用的执行图计算的优化过的引擎. 它还支持一组丰富的高级工具, 包括使用 SQL 处理结构化数据处理的 Spark
SQL, 用于机器学习的 MLlib, 用于图形处理的 GraphX,
以及 Spark Streaming。

下载

从该项目官网的 下载页面 获取 Spark. 该文档用于 Spark 2.2.0 版本. Spark可以通过Hadoop
client库使用HDFS和YARN.下载一个预编译主流Hadoop版本比较麻烦. 用户可以下载一个编译好的Hadoop版本, 并且可以 通过设置
Spark 的 classpath 来与任何的 Hadoop 版本一起运行 Spark. Scala 和 Java 用户可以在他们的工程中通过Maven的方式引入 Spark, 并且在将来 Python 用户也可以从 PyPI 中安装 Spark。

如果您希望从源码中编译一个Spark, 请访问 编译 Spark.

Spark可以在windows和unix类似的系统（例如, Linux, Mac OS）上运行。它可以很容易的在一台本地机器上运行 -你只需要安装一个JAVA环境并配置PATH环境变量，或者让JAVA_HOME指向你的JAVA安装路径

Spark 可运行在 Java 8+, Python 2.7+/3.4+ 和 R 3.1+ 的环境上。针对 Scala API, Spark 2.2.0 使用了 Scala 2.11. 您将需要去使用一个可兼容的 Scala 版本 (2.11.x).

请注意, 从 Spark 2.2.0 起, 对 Java 7, Python 2.6 和旧的 Hadoop 2.6.5 之前版本的支持均已被删除.

请注意, Scala 2.10 的支持已经不再适用于 Spark 2.1.0, 可能会在 Spark 2.3.0 中删除。

运行示例和 Shell

Spark 自带了几个示例程序. Scala, Java, Python 和 R 示例在

examples/src/main

目录中.
要运行 Java 或 Scala 中的某个示例程序, 在最顶层的 Spark 目录中使用

bin/run-example
<class> [params]

命令即可.（这个命令底层调用了

spark-submit

脚本去加载应用程序）。例如,

./bin/run-example SparkPi 10

您也可以通过一个改进版的 Scala shell 来运行交互式的 Spark。这是一个来学习该框架比较好的方式。

./bin/spark-shell --master local[2]

该

--master

选项可以指定为 针对分布式集群的
master URL, 或者 以

local

模式 使用 1 个线程在本地运行,

local

会使用
N 个线程在本地运行.你应该先使用local模式进行测试. 可以通过–help指令来获取spark-shell的所有配置项. Spark 同样支持 Python API。在 Python interpreter（解释器）中运行交互式的 Spark, 请使用

bin/pyspark

:

./bin/pyspark --master local[2]

Python 中也提供了应用示例。例如,

./bin/spark-submit examples/src/main/python/pi.py 10

从 1.4 开始（仅包含了 DataFrames APIs）Spark 也提供了一个用于实验性的 R
API。 为了在 R interpreter（解释器）中运行交互式的 Spark, 请执行

bin/sparkR

:

./bin/sparkR --master local[2]

R 中也提供了应用示例。例如,

./bin/spark-submit examples/src/main/r/dataframe.R

在集群上运行

该 Spark 集群模式概述 说明了在集群上运行的主要的概念。
Spark 既可以独立运行, 也可以在一些现有的 Cluster Manager（集群管理器）上运行。它当前提供了几种用于部署的选项:

Standalone Deploy Mode: 在私有集群上部署
Spark 最简单的方式

Apache Mesos

Hadoop YARN

快速跳转

编程指南:

快速入门: 简单的介绍 Spark API; 从这里开始！

Spark 编程指南: 在 Spark 支持的所有语言（Scala,
Java, Python, R）中的详细概述。

构建在 Spark 之上的模块:

Spark Streaming:
实时数据流处理

Spark SQL, Datasets, and DataFrames:
支持结构化数据和关系查询

MLlib: 内置的机器学习库

GraphX: 新一代用于图形处理的 Spark
API。

API 文档:

Spark Scala API
(Scaladoc)

Spark Java API (Javadoc)

Spark Python API (Sphinx)

Spark R API (Roxygen2)

部署指南:

集群概述: 在集群上运行时概念和组件的概述。

提交应用: 打包和部署应用

部署模式:

Amazon EC2: 花费大约5分钟的时间让您在EC2上启动一个集群的脚本

Standalone Deploy Mode: 在不依赖第三方
Cluster Manager 的情况下快速的启动一个独立的集群

Mesos: 使用 Apache
Mesos 来部署一个私有的集群

YARN: 在 Hadoop NextGen（YARN）上部署
Spark

Kubernetes (experimental): 在 Kubernetes 之上部署
Spark

其它文档:

配置: 通过它的配置系统定制 Spark

监控: 跟踪应用的行为

优化指南: 性能优化和内存调优的最佳实践

任务调度: 资源调度和任务调度

安全性: Spark 安全性支持

硬件挑选: 集群硬件挑选的建议

与其他存储系统的集成:

OpenStack Swift

构建 Spark: 使用 Maven 来构建 Spark

给 Spark 贡献

第三方项目: 其它第三方 Spark 项目的支持

外部资源:

Spark 首页

Spark 社区 资源, 包括当地的聚会

StackOverflow tag

apache-spark

Mailing Lists: 在这里询问关于 Spark 的问题

AMP Camps: 在 UC Berkeley（加州大学伯克利分校）的一系列的训练营中, 它们的特色是讨论和针对关于 Spark,
Spark Streaming, Mesos 的练习, 等等。在这里可以免费获取视频, 幻灯片 和 练习题。

Code Examples: 更多

示例

可以在
Spark 的子文件夹中获取 (Scala, Java, Python, R)

我们一直在努力

apachecn/spark-doc-zh




原文地址: http://spark.apachecn.org/docs/cn/2.2.0/index.html
网页地址: http://spark.apachecn.org/
github: https://github.com/apachecn/spark-doc-zh
（觉得不错麻烦给个 Star，谢谢！~）