Spark官方文档翻译（一）~Overview

Spark官方文档翻译，有问题请及时指正，谢谢。

Overview页

http://spark.apache.org/docs/latest/index.html

Spark概述

Apache Spark 是一个快速的，分布式集群计算系统.它提供了高等级的针对 Java, Scala, Python and R的API接口, 他还是一个优秀的图处理引擎. 它还支持一套高级的工具集： Spark SQL，Sql和结构化数据处理；

MLlib ，机器学习； GraphX ，图处理； 还有 Spark Streaming.

下载

可以去网站下载页（http://spark.apache.org/downloads.html）下载。文档的版本是2.3.1.Spark 使用了Hadoop的客户端库来访问HDFS和YARN。下载会预先打包一个最新的Hadoop版本。用户可以下载Hadoop包然后通过Spark的环境变量使用Hadoop的各种版本。Scala和Java的用户可以用Maven集成。以后Python的用户可以用Pypi安装。

想自己编译去这页看看（http://spark.apache.org/docs/latest/building-spark.html）

Spark 可以运行在Windows  和 UNIX（比如Linux, Mac OS）系统。单机安装很简单，装java，配置JAVA_HOME环境变量。

Spark 运行在Java 8+, Python 2.7+/3.4+ ，R 3.1+.Scala 的API使用Scala 2.11。你需要使用Scala 的版本（2.11.x）来兼容。

Spark 2.2.0以后就不支持Java 7, Python 2.6和 Hadoop  2.6.5以前的版本了。

2.3.0以后就不支持Scala 2.10了。

运行例子和Shell

Spark 提供了几个简单的小程序。 Scala, Java, Python 、R的例子在examples/src/main文件夹下。运行java或scala简单程序，在高一级目录执行 bin/run-example <class> [params]  （更相信的spark提交指令访问http://spark.apache.org/docs/latest/submitting-applications.html），比如：

./bin/run-example SparkPi 10


你也可以用Scala shell与spark交互，这样是学习框架最好的方式。

./bin/spark-shell --master local[2]
--master 这个设置可以查看http://spark.apache.org/docs/latest/submitting-applications.html#master-urls
local是一个线程  local[N]是多个线程  可以用local作为测试   获得全部设置用 --help

Spark也提供了python api   用python解释器与spark进行交互 bin/pyspark

./bin/pyspark --master local[2]

例子也有：

./bin/spark-submit examples/src/main/python/pi.py 10

1.4以后也提供了R api

./bin/sparkR --master local[2]
例子：./bin/spark-submit examples/src/main/r/dataframe.R

集群启动
Spark集群模式可以在这查看 http://spark.apache.org/docs/latest/cluster-overview.html
Spark 可以独立运行 ，也可以几个存在的管理者协作运行，现在提供了这几种部署方式：

• Standalone Deploy Mode: 这是最简单的部署私人集群的方式
• Apache Mesos
• Hadoop YARN
• Kubernetes

可以查阅什么呢（官网菜单翻译）

Programming Guides:编程指南

• Quick Start:Spark API的快速介绍
• RDD Programming Guide: 预览Spark的核心- RDDs （旧的api）, accumulators（累加器）, and broadcast variables（广播变量）
• Spark SQL, Datasets, and DataFrames:处理结构数据 关系型查询（比RDD新的API）
• Structured Streaming: 处理结构化数据流 关系型查询 (使用Datasets 和 DataFrames, 比 DStreams更新的api)
• Spark Streaming: 用DStreams 处理数据流 (旧 API)
• MLlib: 机器学习
• GraphX:图处理

API Docs:

• Spark Scala API (Scaladoc)scala文档
• Spark Java API (Javadoc)java文档
• Spark Python API (Sphinx)python文档
• Spark R API (Roxygen2)r文档
• Spark SQL, Built-in Functions (MkDocs)  sparksql文档

Deployment Guides:部署指南

• Cluster Overview: 集群模式概况
• Submitting Applications: 打包和部署应用
• Deployment modes:部署方式
  • Amazon EC2: 5分钟在EC2上部署
  • Standalone Deploy Mode: 不需要第三方管理者 部署独立集群
  • Mesos:用 Apache Mesos部署一个私有集群
  • YARN: 在Hadoop (YARN)上部署
  • Kubernetes: 在 Kubernetes上部署

Other Documents:其他文档

• Configuration: Spark 配置系统
• Monitoring: 应用行为的痕迹
• Tuning Guide: 内存和使用的最佳实践
• Job Scheduling:Spark应用的计划任务
• Security: Spark 权限支持
• Hardware Provisioning: 集群硬件推荐
• Integration with other storage systems:和其他数仓整合
  • Cloud Infrastructures 云设施
  • OpenStack Swift 一个开源对象存储系统
• Building Spark:通过maven构建spark
• Contributing to Spark 给spark贡献
• Third Party Projects: 其他第三方项目

External Resources:外部资源

• Spark Homepage 首页
• Spark Community 资源和当地聚会
• StackOverflow tag apache-spark
• Mailing Lists: 提问题
• AMP Camps:训练营活动报名
• Code Examples: 更多的例子 (Scala, Java, Python, R)