【转+修正】在Windows和Rstudio下本地安装SparkR

（根据最新情况进行修正）

毋庸置疑，Spark已经成为最火的大数据工具，本文详细介绍安装SparkR的方法，让你在5分钟之内能在本地使用。

​环境要求：java 7+ 、R 及 Rstudio
                 Rtools （下载地址：https://cran.r-project.org/bin/windows/Rtools/）

第一步：下载Spark

​在浏览器打开 http://spark.apache.org/，点击右边的绿色按钮“Download Spark”

你会看到如下页面：

​按照上面的 1到 3 创建下载链接。
在“2. Choose a package type” 选项中，选择一个 pre-built 的类型（如下图）。

因为我们打算在Windows下本地运行，所以选择 Pre-built package for Hadoop 2.6  and later 。

在“3. Choose a download type” 选择 “Direct Download” 。

选好之后，一个下载链接就在4. Download Spark”创建好了。​

把这个压缩文件下载到你的电脑上。

第二步：解压缩安装文件

​解压缩到路径“C:/Apache/Spark-1.4.1″

​第三步：用命令行运行（此步需要配置完成R和其他的环境变量后才能生效，如果不需要命令行窗口，可直接跳过此步骤）

​打开命令行窗口（开始-搜索框中输入cmd），更改路径：

输入命令 ".insparkR"

​成功后会看到一些日志，大约15s后，一切顺利的话，会有“Welcome to SparkR!” 

设置环境变量：

​在“我的电脑”右击，选择“属性”：

​选择“Advanced system settings”

​点击“Environment Variables”，在下面的“System variables“里面找到Path，并加入“C:ProgramDataOracleJavajavapath;“

​第四步：在Rstudio中运行​

​#（附一个例子）

​# Set the system environment variables

Sys.setenv(SPARK_HOME = "C:/Apache/spark-1.6.1")

.libPaths(c(file.path(Sys.getenv("SPARK_HOME"), "R", "lib"), .libPaths()))

#注意把spark-1.6.1目录下R目录下的lib里面的SparkR放入R的library里面，否则无法直接安装sparkR的包​

R的library地址可通过如下方式进行查看：

.libPaths()

默认情况下会将新的lib库安装在第一个地址中（默认地址）

#load the Sparkr library

library(SparkR)

# Create a spark context and a SQL context

sc <- sparkR.init(master = "local")

sqlContext <- sparkRSQL.init(sc)

#create a sparkR DataFrame

DF <- createDataFrame(sqlContext, faithful)

head(DF)

# Create a simple local data.frame

localDF <- data.frame(name=c("John", "Smith", "Sarah"), age=c(19, 23, 18))

# Convert local data frame to a SparkR DataFrame

df <- createDataFrame(sqlContext, localDF)

# Print its schema

printSchema(df)

# root

# |-- name: string (nullable = true)

# |-- age: double (nullable = true)

# Create a DataFrame from a JSON file

path <- file.path(Sys.getenv("SPARK_HOME"), "examples/src/main/resources/people.json")

peopleDF <- jsonFile(sqlContext, path)

printSchema(peopleDF)

# Register this DataFrame as a table.

registerTempTable(peopleDF, "people")

# SQL statements can be run by using the sql methods provided by sqlContext

teenagers <- sql(sqlContext, "SELECT name FROM people WHERE age >= 13 AND age <= 19")

# Call collect to get a local data.frame

teenagersLocalDF <- collect(teenagers)

# Print the teenagers in our dataset

print(teenagersLocalDF)

# Stop the SparkContext now

sparkR.stop()

​

​

# 另一个例子 wordcount--------------

# 来源 http://www.cnblogs.com/hseagle/p/3998853.html

sc <- sparkR.init(master="local", "RwordCount")

lines <- textFile(sc, "README.md")

——————“textFile”函数从sparkR1.4之后就无法使用了，之后的sparkR必须通过SqlContext来加载数据，如下所示：
people <- read.df(sqlContext,
"./examples/src/main/resources/people.json", "json"
)
除此之外还支持csv、parquet、hive数据等等。

words <- flatMap(lines,

                 function(line) {

                   strsplit(line, " ")[[1]]

                 })

wordCount <- lapply(words, function(word) { list(word, 1L) })

counts <- reduceByKey(wordCount, "+", 2L)

output <- collect(counts)

for (wordcount in output) {

  cat(wordcount[[1]], ": ", wordcount[[2]], "
")

}

 

​原文地址：http://www.r-bloggers.com/installing-and-starting-sparkr-locally-on-windows-os-and-rstudio/ 

​参考资料：

1. 安装 http://blog.csdn.net/jediael_lu/article/details/45310321

2. 安装 http://thinkerou.com/2015-05/How-to-Build-Spark-on-Windows/  

3. 徽沪一郎的博客：http://www.cnblogs.com/hseagle/p/3998853.html

4. 学习 http://www.r-bloggers.com/a-first-look-at-spark/​

5. 学习 http://www.danielemaasit.com/getting-started-with-sparkr/

6. ​​错误解决：http://stackoverflow.com/questions/10077689/r-cmd-on-windows-7-error-r-is-not-recognized-as-an-internal-or-external-comm

7.SparkR官方指导 http://spark.apache.org/docs/latest/sparkr.html#from-local-data-frames（中文版：http://www.iteblog.com/archives/1385）