《Spark数据分析：基于Python语言 》 —2.3　获取Spark

2.3　获取Spark

要把Spark安装到特定系统上，最简单的方式是使用正式版的Spark下载包。正式版Spark的包可以在http://spark.apache.org/downloads.html下载到。这些下载包是跨平台的。Spark运行在JVM环境中，而JVM是平台无关的。

你也可以选择使用Spark官方网站上提供的编译指令，下载Spark源码并自行编译，不过这种方式稍显复杂。

如果你要下载Spark的正式版，你应该选择带Hadoop支持的编译版本，如图2.2所示。为了避免望文生义，需要澄清的是带有Hadoop支持的Spark并没有包含Hadoop本身。这些包里面只是包含了用于集成Hadoop集群与所列Hadoop发行版的库。不论是否在Hadoop上使用Spark， Hadoop里的许多类在运行时都是需要的。

图2.2　下载正式版的Spark

使用不带Hadoop支持的编译版本

如果你想以独立集群模式部署Spark，并且不用Hadoop的话，可能会受下载页面误导下载不带Hadoop支持的版本，或者用户自行提供Hadoop的版本，也就是文件名类似“spark- x.x.x-bin-without-hadoop.tgz”的包。这种命名容易误导人，这种包其实需要很多在Hadoop中实现的类已经在系统中存在。总的来说，一般情况下最好还是下载spark-x.x.x-bin-hadoopx.x这样的带Hadoop编译的包。

Spark一般也会在Hadoop的大多数商业发行版中提供，包括如下所列这些：

Cloudera的Hadoop发行版（CDH）。

Hortonworks数据平台（Hortonworks Data Platform，HDP）。

MapR融合数据平台（MapR Converged Data Platform）。

另外，在主流的云服务厂商提供的托管Hadoop架构中都包含Spark，比如AWS的EMR服务、谷歌的Cloud Dataproc服务，以及微软的Azure HDInsight。

如果你已有现成的Hadoop环境，那么可能已经有了入门所需的一切，可以跳过后面几节关于安装Spark的部分。