下载安装配置 Spark-2.4.5 以及 sbt1.3.8 打包程序

文章更新于：2020-03-29
按照惯例，文件附上链接放在文首。

文件名：spark-2.4.5-bin-without-hadoop.tgz
文件大小：159 MB
下载链接：https://mirrors.tuna.tsinghua.edu.cn/apache/spark/spark-2.4.5/spark-2.4.5-bin-without-hadoop.tgz
SHA256：40f58f117efa83a1d0e66030d3561a8d7678f5473d1f3bb53e05c40d8d6e6781

文件名：sbt-1.3.8.tgz.7z
文件大小：54.9 MB
下载链接：https://www.lanzous.com/iameoaf
SHA256：9E0662C84E6B99F2BAB0F51EC1F8C93FA89C5CE5400AD01CF2A98A63A816346D

文章目录

• 一、下载需要的文件
• 1、下载 spark
• 2、下载 sbt
• 二、安装spark
• 1、解压==安装
• 2、修改Spark的配置文件spark-env.sh
• 3、运行示例
• 4、启动spark命令行
• 5、解决 WARN 两个
• 三、安装 sbt
• 1、解压到指定文件夹
• 2、建立sbt脚本并执行
• 四、Spark独立应用程序编程
• 1、编写scala程序
• 2、使用sbt打包Scala程序
• 3、执行程序（如果失败如何解决）
• 4、查看 sbt 版本不动的解决办法
• 1）尝试换源
• 2）删除配置文件重来
• 5、打包程序过慢解决办法（换国内镜像）
• 6、关于 sbt 的各个文件
• 五、Enjoy！

一、下载需要的文件

1、下载 spark

1、spark 可以去官网http://spark.apache.org/downloads.html 自行寻找合适版本。

2、spark 也可以使用文首 spark-2.4.5-bin-without-hadoop.tgz 直链。

2、下载 sbt

1、sbt 可以去官网 https://www.scala-sbt.org/自行寻找合适版本。

2、sbt 也可以使用文首sbt-1.3.8.tgz.7z直链。

二、安装spark

1、解压==安装

注1：tail -n 10是只查看输出的最后 10 条结果，可以不用写。
注2：username需要换成你的用户名。

sudo tar -zxvf spark-2.4.5-bin-without-hadoop.tgz -C /usr/local/ | tail -n 10
cd /usr/local
sudo mv spark-2.4.5-bin-without-hadoop/ spark
sudo chown -R username:username spark

2、修改Spark的配置文件spark-env.sh

注：在spark 目录下拷贝spark-env.sh.template 文件 并去掉.template后缀。同时在此文件第一行添加如下所示 export xxxx 代码。

cd /usr/local/spark
cp ./conf/spark-env.sh.template ./conf/spark-env.sh
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)

3、运行示例

1、在 spark 目录下运行如下命令。

bin/run-example SparkPi
# bin/run-example SparkPi 2>&1 | grep "Pi is"

注：也可使用注释掉的那行命令直接过滤出结果。

2、我的刚开始出错了，报错如下。

然后我使用 nmtui 命令将网络配置成手动模式，并写入IP、网关等重新运行程序就可以了。

发现运行结果与我假设的 3.1415926 有点差距，不过好像就是这样哦，不是出错了。

4、启动spark命令行

注：在 /usr/local/spark/ 目录下执行以下命令启动 spark

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

1、这时也可以在浏览器访问图形界面了，地址在上面的输出信息中有，这里是 192.168.1.136:4040

5、解决 WARN 两个

1、在上述命令行输出中，其中有 WARN util.Utils: Your hostname, xxxxx resolves to a loopback address: 127.0.1.1;

解决办法：
在 conf/spark-env.sh配置文件中添加SPARK_LOCAL_IP 比如：

SPARK_LOCAL_IP="192.168.1.136"

再次启动的时候就看不到它了~

2、在上述命令输出中，其中有 spark Unable to load native-hadoop library for your platform...

解决办法：
在conf/spark-env.sh配置文件中添加 LD_LIBRARY_PATH 比如：

LD_LIBRARY_PATH=$HADOOP_HOME/lib/native

注：前提是你的 $HADOOP_HOME已经存在。
再次启动的时候就看不到它了~

三、安装 sbt

1、解压到指定文件夹

ls | grep sbt	#查看当前文件夹是否有sbt安装包
sudo tar -zxvf sbt-1.3.8.tgz -C /usr/local
sudo cp /usr/local/sbt/bin/sbt-launch.jar /usr/local/sbt
sudo chown -R bigdata:bigdata /usr/local/sbt
sudo vim /usr/local/sbt/sbt
sudo chmod u+x /usr/local/sbt/sbt

2、建立sbt脚本并执行

脚本内容如下：

#!/bin/bash
SBT_OPTS="-Xms512M -Xmx1536M -Xss1M -XX:+CMSClassUnloadingEnabled -XX:MaxPermSize=256M"
java $SBT_OPTS -jar `dirname $0`/sbt-launch.jar "$@"

注：脚本需要添加执行权限，在步骤一代码截图中有。
然后执行：

./sbt sbtVersion

第一次执行结果如下：

第二次执行结果如下：

四、Spark独立应用程序编程

1、编写scala程序

1、先建立程序根目录

cd ~
mkdir -p ./sparkapp/src/main/scala

2、编写 SimpleApp.scala 文件

/* SimpleApp.scala */
import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf

object SimpleApp {
    def main(args: Array[String]) {
        val logFile = "file:///usr/local/spark/README.md" // Should be some file on your system
        val conf = new SparkConf().setAppName("Simple Application")
        val sc = new SparkContext(conf)
        val logData = sc.textFile(logFile, 2).cache()
        val numAs = logData.filter(line => line.contains("a")).count()
        val numBs = logData.filter(line => line.contains("b")).count()
        println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))
    }
}

2、使用sbt打包Scala程序

1、建立 ~/sparkapp/simple.sbt 脚本(这里的名字任意），内容如下：
注1：此处第三行的scala版本是你spark启动的时候输出的scala版本！
注2：此处的第四行spark版本也是你spark启动是输出显示的版本。

name := "Simple Project"
version := "1.0"
scalaVersion := "2.11.8"
libraryDependencies += "org.apache.spark" %% "spark-core" % "2.4.5"

2、进行程序打包

/usr/local/sbt/sbt package

注：如果是第一次运行，可能会联网下载文件，等待时间比较长。
执行结果如下：

3、执行程序（如果失败如何解决）

/usr/local/spark/bin/spark-submit --class "SimpleApp" ~/sparkapp/target/scala-2.11/simple-project_2.11-1.0.jar

执行结果如下：

我运行失败了，还在解决中。。。。。头大

异常截图：

2020-03-29更新：问题已经解决。
问题所在：在simple.sbt文件中，指定的scala版本应该是spark-shell输出的那个 scala 版本，而不是自己单独安装的 scala 版本。

运行结果：

4、查看 sbt 版本不动的解决办法

1）尝试换源

我亲自测试，没换源之前，执行 sbt sbtVersion命令需要等待半小时+。
当然，这个时间不同的网络环境下是不同的，可能你的会快的多。

换源以后，等待1分45秒开始出现刷屏信息，2分26秒时完成显示版本信息。
如何换源见步骤五。

2）删除配置文件重来

如果使用 sbt sbtVersion 命令查看 sbt 版本，一直没有刷新输出信息，
可以尝试将之前安装 sbt 时产生的文件删除，然后重新执行命令。

主要的需要删除的文件三个 ~/.sbt、~/.ivy、~/.ivy2
具体可参考林子雨教授博客：安装最新版sbt工具方法和体会

5、打包程序过慢解决办法（换国内镜像）

如果使用 sbt package的时候一直刷屏就是不好，可能是镜像源连接速度有点慢。这时可以选择国内的镜像。

在 ~/.sbt/repositories 文件中（如没有自己创建一个）添加以下内容：
注：下述代码中的开头repo应该是可以自定义的，我改了没影响程序执行。

[repositories]
repo:https://maven.aliyun.com/repository/public

再次执行打包命令就会快很多。

注1：在我打包测试时，新下载库打包一个程序需要N秒。
注2：重新打包（无需下载文件）一个程序需要24+秒。

6、关于 sbt 的各个文件

注1：在 sbt 的安装目录 sbt/conf/sbtopts 文件中有如下内容：

# ------------------------------------------------ #
#  The SBT Configuration file.                     #
# ------------------------------------------------ #


# Disable ANSI color codes
#
#-no-colors

# Starts sbt even if the current directory contains no sbt project.
#
-sbt-create

# Path to global settings/plugins directory (default: ~/.sbt)
#
#-sbt-dir  /etc/sbt

# Path to shared boot directory (default: ~/.sbt/boot in 0.11 series)
#
#-sbt-boot ~/.sbt/boot

# Path to local Ivy repository (default: ~/.ivy2)
#
#-ivy ~/.ivy2

# set memory options
#
#-mem   <integer>

# Use local caches for projects, no sharing.
#
#-no-share

# Put SBT in offline mode.
#
#-offline

# Sets the SBT version to use.
#-sbt-version  0.11.3

# Scala version (default: latest release)
#
#-scala-home <path>
#-scala-version <version>

# java version (default: java from PATH, currently $(java -version |& grep versi
on))
#
#-java-home <path>

注2：上述文件说明了sbt各个文件的所在和用处。

五、Enjoy！