Apache Spark是一个开源的大数据处理框架，旨在提供高效、通用和易用的大数据处理引擎。它最初由加州大学伯克利分校AMPLab开发，并于2010年开源。
Spark提供了一个基于内存的计算引擎，可以在大规模数据集上执行高速的数据处理任务。相比传统的MapReduce模型，Spark具有更高的性能和更丰富的功能集。它支持多种数据处理任务，包括批处理、交互式查询、流式处理和机器学习。
Spark的核心组件包括：
1、Spark Core： 提供了Spark的基本功能，包括任务调度、内存管理、错误恢复等。
2、Spark SQL： 提供了用于处理结构化数据的SQL查询接口，允许用户在Spark上执行SQL查询。
3、Spark Streaming： 提供了用于实时数据流处理的API，使用户能够在Spark中处理实时数据。
4、MLlib（Machine Learning Library）： 提供了用于机器学习的各种算法和工具，使用户能够在Spark中进行分布式的机器学习任务。
5、GraphX： 提供了用于图形处理的API，使用户能够在Spark中执行图形计算任务。
Spark通常与Hadoop生态系统中的其他工具（如HDFS、Hive、HBase等）配合使用，但它也可以独立运行。

1、安装jdk

步骤一下载jdk下载链接

2、安装scala

hadoop_18">3、安装hadoop

spark_20">4、安装spark