在 windows 上装置 spark 遇到的一些坑 | 避坑指南

最近有个活：给了我一个阿里云桌面（windows 10零碎），让我在下面用 scala + spark 写一些货色。

总是报错一直，根本的逻辑都运行不了。经验了很久的 debug，我总结进去：但凡 IDEA 没有在我的脚本里明确指出哪行有问题的谬误，都是因为版本不兼容。别犹豫，赶快查看版本。

查看波及到：

• 根本的 java 环境：1.8.0_201
• 语言 scala 版本：2.12.13
• hadoop 版本：2.6.4
• spark 版本：2.4.8

第一关：scala 小版本不兼容

只管咱们在 spark 官网看到：Spark 2.4.8 配置 Scala 2.12.x 版本就行，然而呵呵，运行时报错如下。

... java.lang.NoSuchMethodError: scala.Predef$.refArrayOps ...

我自身刚开始用 scala，还认为是本人写的程序哪里出了问题。好家伙这顿找哇，最初感激『运行 spark 呈现 java.lang.NoSuchMethodError: scala.Predef$.refArrayOps』，让我意识到了或者更换 scala 版本能够一试。

下面那篇文章倡议在 mvnrepository.com/artifact/org.apache.spark/spark-core 下面看版本兼容，我感觉不靠谱。我这里举荐两个办法，都是我本人摸索的：

办法一： 关上咱们的命令行（cmd或者 powershell 都行），输出 spark-shell，看咱们本地装置的 spark 用了啥版本的 scala。如下图。

办法二： 去 spark 装置门路上面看看外面那 scala 依赖都啥版本。如下图。

于是把 scala 2.12.13 卸载了，去 scala 官网下载了 scala 2.11.12 版本的。

第二关：Hadoop 版本

好家伙，之前的谬误不报了，当初是新谬误。

谬误一：... java.lang.Exception: java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows. ...

谬误二：...【MapReduce】报错：java.lang.UnsatisfiedLinkError : org.apache.hadoop.io.nativeio ...

参考了两篇文章，没啥间接帮忙，然而我意识到了可能是 Hadoop 版本不对：

• java.lang.Exception: java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.
• 【MapReduce】报错：java.lang.UnsatisfiedLinkError : org.apache.hadoop.io.nativeio

毕竟咱的 spark 安装包就叫 spark-2.4.8-bin-hadoop2.7，怎么说都得装置个 2.7 的 hadoop。

换了 hadoop 2.7.3。没啥问题了。

第三关：hadoop.dll

本认为功败垂成了。直到我应用了一个办法：

result.coalesce(1).write.mode(SaveMode.Overwrite).csv(outputPath)

我想通过 spark 把数据写到硬盘上，好家伙，报错了。

... java.io.IOException: (null) entry in command string: null chmod 0644 ...

我又认为是本人对 API 了解不粗浅造成的问题，于是乱改了半天。

直到我想起：但凡 IDEA 没有在我的脚本里明确指出哪行有问题的谬误，都是因为版本不兼容。 我当初尽管版本没问题了，然而可能还有其余中央没配好。至多，很大概率不是本人写的代码有问题。

感激老哥『Hadoop 在 window 上运行呈现:java.io.IOException: (null) entry in command string: null chmod 0644』entry in command string: null chmod 0644』”)，我装置老哥的指引在 github.com/4ttty/winutils/blob/master/hadoop-2.7.1/bin 下载了动态链接库 hadoop.dll，放在了 C:/Windows/System32 上面。

我的版本原本是 2.7.3，但下载的版本是 2.7.1（没有 2.7.3），心里祷告：小版本兼容吧，小版本兼容吧。终于是好用了。

总结

不晓得当前还会遇到什么版本问题。

归根结底，还是本人对于 Spark 极其依赖、生态不相熟，如果是 Python 报错，我一下就能看进去是本人代码的问题，还是环境有问题。所以还是得零碎理解一下 Spark 相干内容。学习系统性常识将让我的工作事倍功半。

还有，能用 linux 尽量用 linux 吧，把 docker 配好，谁要用间接拉镜像，剩多少事啊。然而话说回来，要是间接帮我配好了环境，我就学不到这么多了。

我是小拍，微信 PiperLHJ，想要建一个 spark/scala/hadoop/ 大数据技术栈 群，想入伙的小伙伴加我微信 PiperLHJ。

老铁别忘了给个关注、点赞。