注：
1. 本文链接中，包含[]的为已翻译的文档链接，不包含的为官方文档链接。
2. 涉及到编程语言的部分，以翻译Scala的部分为主

Spark概述

下载

Spark可以在Windows和类UNIX系统（如Linux，Mac OS）上运行。Spark很容易在一台机器上本地运行——你需要做的就是在系统PATH上安装了Java，或者在JAVA_HOME环境变量中指定了Java的安装路径。

Spark可以运行在Java 7+，Python 2.6+/3.4+，R 3.1+环境上。对于Scala API，Spark 2.1.0使用的是Scala 2.11。你需要使用一个可兼容的Scala版本（2.11.x）。

请注意，从Spark 2.0.0开始，对Java 7和Python 2.6的支持已弃用，从Spark 2.1.0开始，对Scala 2.10和Hadoop 2.6之前版本的支持已弃用，在Spark 2.2.0时可能会被删除。

运行示例和Shell

Spark自带几个示例程序。Scala，Java，Python和R语言的示例在 examples/src/main 目录下。要运行Java或者Scala示例程序，在Spark的根目录中使用bin/run-example <class> [params]（在后台，将调用更通用的spark-submit脚本来启动应用程序）。例如：

./bin/run-example SparkPi 10

也可以使用一个修改版的Scala Shell以交互方式运行Spark。这是一种学习框架非常好的方式。

./bin/spark-shell --master local[2]

Spark也提供了Python API。要在Python解释器中以交互方式运行Spark，使用bin/pyspark：

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

Spark也提供了Python的示例应用程序，例如，

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

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

Spark也提供了R语言的示例应用程序，例如，

./bin/spark-submit examples/src/main/r/dataframe.R

在集群上运行

• ：在私有集群上部署Spark最简单的方法

从这里开始

编程指南：

• ：Spark的快速介绍，从这开始吧！
• ：Spark在所有支持语言（Scala，Java，Python，R）中的详细概述。
• 构建在Spark上的模块：
  • ：处理实时数据流
  • ：支持结构化数据和关系查询
  • ：内置的机器学习库
  • ：Spark用于图形处理的新API

API文档：

部署指南：

• ：在集群运行时的概念和组件概述
• ：打包和部署应用程序
• 部署模式：
  • ：让你在5分钟之内在EC2上启动集群的脚本
  • ：不使用第三方集群管理器的情况下快速启动独立集群
  • ：使用Apache Mesos部署一个私有集群
  • ：在Hadoop NextGen (YARN)上部署Spark

其它文档

• ：通过配置系统定制Spark
• ：跟踪你的应用程序的行为
• ：优化性能和内存使用的最佳实践
• ：在应用程序内和跨应用程序调度资源
• ：Spark的安全性支持
• ：对集群硬件配置的建议
• 与其它存储系统集成
• ：使用Maven系统来构建Spark
• ：相关的第三方Spark项目

外部资源

• ：资源，包括一些当地的聚会
• ：可以在这里问Spark的问题
• ：在加州大学伯克利分校的一系列训练营，关于Spark，Spark Streaming，Mesos以及更多内容的特色演讲和练习。，和可以在网上免费获取。
• ：可以在Spark（, , , ）的examples子文件夹中获取更多示例。