Linux虚拟机环境搭建spark
Linux环境搭建Spark分为两个版本，分别是Scala版本和Python版本。
一、 安装Pyspark
本环境以 Python 环境为例。
1、下载spark
下载网址：https://archive.apache.org/dist/spark
下载安装包：根据自己环境选择合适版本，本环境以spark3.0版本为案例。
- 根据hadoop版本下载下载 spark-3.0.0-bin-hadoop2.7.tgz / spark-3.0.0-bin-hadoop3.2.tgz
- 如果不依赖hadoop，则下载 spark-3.0.0-bin-without-hadoop.tgz
- 只安装pyspark下载pyspark-3.0.0.tar.gz
个人推荐带有hadoop版本 如 spark-3.0.0-bin-hadoop3.2.tgz ，将来可以使用hadoop，也可以使用python环境。
2、上传spark安装包到目录
3、解压spark安装包并重命名
重命名主要是为了便于配置环境变量
4、配置环境变量
vi .bash_profile
5、使环境生效
source .bash_profile
echo $SPARK_HOME
6、执行pyspark测试
输入pyspark启动后查看版本，同时可以输入 from pyspark.sql import SparkSession 不报错则安装成功。
注意：如果输入pyspark启动后需要安装python，则需要进行安装python，见https://blog.csdn.net/qq_41946216/article/details/137068755?spm=1001.2014.3001.5501
修改文件spark-env.sh、works
cp spark-env.sh.template spark-env.sh
cp workers.template workers
vi spark-env.sh
export JAVA_HOME=/usr/local/java
export HADOOP_HOME=/usr/local/hadoop
export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
export SPARK_MASTER_IP=192.168.241.101
export SPARK_DIST_CLASSPATH=$(/usr/local/hadoop/bin/hadoop classpath)