hadoop下载与安装
请注意，这是在 Windows 上运行 Hadoop。如果你只是通过idea远程连接虚拟机上的Hadoop，请跳过。
进入官网，点击Binary download，运行在Windows上。在 Apache 中下载东西时，通常有二进制版本和源版本。 Binary是编译过的，可以直接使用，而source是还没有编译过的源代码，需要自己编译。
镜像下载
选择合适的版本
解压
hadoop是分布式的，有datanode和namenode两个节点，需要新建目录代替
配置环境变量
一定要配置好hadoop的环境变量，否则启动时会出现如下错误：
bin目录包含hadoop信息启动命令，sbin目录包含hadoop集群启动命令。 bin和sbin不需要配置。只需切换到相应目录并启动cmd即可。
修改配置文件
- 修改windows系统启动类
hadoop-env.cmd
将%JAVA_HOME%替换为java环境变量的路径。
将Program Files替换为PROGRA~1
- 修改配置文件（core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml）
- 核心站点.xml
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
- hdfs-site.xml
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<!--namenode 存放name table(fsimage)本地目录（需要修改）-->
<property>
<name>dfs.namenode.name.dir</name>
<value>D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\data\namenode</value>
</property>
<!--datanode存放block本地目录（需要修改）-->
<property>
<name>dfs.datanode.data.dir</name>
<value>D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\data\datanode</value>
</property>
- mapred-site.xml
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
- 纱线站点.xml
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name>
<value>org.apache.hadoop.mapred.ShuffleHandler</value>
</property>
初始化与启动
注意如果配置了环境变量可以直接运行命令，如果没有配置环境变量，则切换到对于目录在启动cmd。路径为~\hadoop-3.2.3\bin。
输入hadoop version检查是否安装成功
输入hadoop namenode -format初始化hadoop
出现下面且\data\namenode有current目录·即为初始化成功。
数据目录是自定义目录
在cmd中执行start-all.cmd 命令，启动Hadoop，路径：~\hadoop\hadoop-3.2.3\sbin。
如果sbin没有配置环境变量，则需要切换到对应目录。还可以为sbin配置环境变量。
输入start-all.sh启动：
运行成功后会出现四个窗口，分别是：yarn-resourcemanager、yarn-nodemanager、hadoop-namenode、hadoop-datanode。
java.net.URISyntaxException: Illegal character in opaque part at index 2: D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\data\namenode
信息: 没有运行的带有指定标准的任务。
如果出现上面两个错误则说明namenode的配置有问题。转到hdfs-site.xml
/是linux系统的路径配置，\是windows系统的路径配置，但要用\\。
之后就可以正常启动了。
Could not locate Hadoop executable: D:\SoftWares\Apache\apache-hadoop-3.2.3\hadoop-3.2.3\bin\winutils.exe -see https://wiki.apache.org/hadoop/WindowsProblems
hadoop/bin 目录中缺少 winutils.exe 和 hadoop.dll
下载后复制到bin目录下：
这两个文件必须由虚拟机和窗口都上传。
启动spark
Hadoop安装在Windows上，但一般不需要启动。如果需要使用MapReduce或者Spark计算框架，可以直接调用。
切换目录到hadoop安装目录的bin目录：
这些都是相关的命令，其中cmd后缀的是windows环境的，没有后缀名的默认是.sh为linux系统的命令。以spark为例，双击spark-shell.com启动scala版的spark：
双击pyspark.cmd启动python版的spark：
如果能够正常启动，则可以调用该接口进行1相关1计算。连续按两次Ctrl+C可停止服务。
idea连接本地spark
配置好上面的环境后通过idea创建scala项目。可参考sbt编程语言scala构建工具配置及项目构建（含网盘下载）
-
创建scala项目
-
pom导入spark依赖
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.13</artifactId>
<version>3.3.1</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.13</artifactId>
<version>3.3.1</version>
<scope>provided</scope>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming_2.13</artifactId>
<version>3.3.1</version>
<scope>provided</scope>
</dependency>
依赖需要根据版本对应，否则会出现冲突。
Maven地址：https://mvnrepository.com/
注意这里的spark必须和虚拟机上的一致。
- 编写连接测试代码
抱歉，小编还在学习阶段。这部分还没有成功。有些问题还没有解决。由于时间有限，我暂时转用Java语言。我会跟进新的 Scala 语言。
scala和java的maven版本的依赖是一样的，接口也可以共享。
class sparkConnect {
sparkConnect() {
//配置本地spark并命名
JavaSparkContext sc = new JavaSparkContext("local", "thisSpark");
List<Integer> list = new ArrayList<Integer>();
list.add(1); list.add(2); list.add(3);
//内存中获取数据常见rdd
JavaRDD<Integer> rdd = sc.parallelize(list);
//rdd计算
JavaRDD<Integer> listPlus = rdd.map(y->y+5);
//打印
System.out.println("list is:" + list);
System.out.println("listPlus is:"+ listPlus);
System.out.println("the relation is list plus five = listPlus");
}
public static void main(String[] args) {
sparkConnect sparkConnect = new sparkConnect();
}
Could not locate executable null\bin\winutils.exe in the Hadoop binaries.
运行上述的测试代码会报错，未能加载winutils.exe文件，可是在之前的配置中已经添加了该引用，这是由于Windows环境变量默认识别cmd命令的，其他的无法执行，例如在redis中，光使用redis-server就是出现该系统不支持一个道理。
解决办法是给这个exe单独配置环境变量
在此之前一定要确认环境变量无误
配置之后就可以运行测试项目了。可以是小编这里又遇到了一个问题，配置了winutils.exe还是无法找到。如下图：
在调试的过程中发现启动的spark版本是2.4.4也就是pom中加载的版本，而本地的spark版本是3.3.1的版本不一致，匹配不了。
修改pom的文件版本，注意与本地对应
修改后就可以成功启动了：
如上图所示，本地saprk连接已经实现，可以通过java独立参考程序调用spark。
class sparkConnect {
sparkConnect() {
JavaSparkContext sc = new JavaSparkContext("local", "thisSpark");
List<Integer> list = new ArrayList<Integer>();
list.add(1); list.add(2); list.add(3);
//内存中获取数据常见rdd
JavaRDD<Integer> rdd = sc.parallelize(list);
//rdd计算
JavaRDD<Integer> listPlus = rdd.map(y->y+5);
System.out.println("list is:" + list);
System.out.println("listPlus is:"+ listPlus);
System.out.println("the relation is list plus five = listPlus");
}
public static void main(String[] args) {
sparkConnect sparkConnect = new sparkConnect();
}
}
回顾测试代码，这已经是调用spark实现简单计算最精简的步骤了。创建的sc对象可交互式的sc是等效的。如下：
它们的区别在于一个是Java语言的调用对象，一个是Scala的调用对象。
idea远程连接spark
远程连接spark首先要了解Spark部署方法这边文章讲的很详细，感谢作者！
JavaSparkContext sc = new JavaSparkContext("local", "thisSpark");
构造方法中第一个参数是主机，第二个参数是名称，关键就在于local参数，来看一段scala连接的代码：
def main(args: Array[String]): Unit = {
val spark = SparkSession
.builder
.appName("Spark Pi")
.master("spark://172.21.212.114:7077")
.config("spark.jars","E:\\work\\polaris\\polaris-spark\\spark-scala\\target\\spark-scala-1.0.0.jar")
.config("spark.executor.memory","2g")
.config("spark.cores.max","2")
.config("spark.driver.host", "172.21.58.28")
.config("spark.driver.port", "9089")
.getOrCreate()
注意设置主控参数。由于该库是公共的，Java也可以尝试一下：
切换到spark的conf目录查看默认配置
查看运行节点在
JavaSparkContext sc = new JavaSparkContext("spark://192.168.223.128:7077", "thisSpark");
我尝试了很多种写法，包括http、仅IP、还有spark开头的，但都没有成功。所以远程连接失败，老大知道怎么连接。