前提：安装好jdk1.7，hadoop
安装步骤：
1、安装scala
下载地址：http://www.scala-lang.org/download/
配置环境变量：
export SCALA_HOME=/..../scala
export PATH=.:$SCALA_HOME/bin ....
验证：scala -version
2、安装spark
使用自己编译过的对应自己hadoop的spark
配置环境变量：
export SPARK_HOME=/.../spark
export PATH=.:$SPARK_HOME/bin ....
修改spark配置文件：
1）$SPARK_HOME/conf/spark-env.sh
2）$SPARK_HOME/conf/slave.sh
配置worknode节点hostname，一行配置一个
3、启动spark
$SPARK_HOME下的sbin和bin说明：
sbin：存放的是启动和停止spark集群等的命令；
bin：存放的是应用程序（spark-shell）启动和停止等的命令。
启动spark集群（sbin目录下）：start-all.sh
启动后浏览器访问：http://hadoop000:8080/
注：hadoop000为hostname
启动spark-shell（bin目录下）：
1）单机启动方式：spark-shell
2）集群启动方式：
spark-shell --master spark://hadoop000:7077
默认情况下Application的Memory是512M，申请所有的CPU资源；
指定executor的memory和cpu core数：spark-shell --master spark://hadoop000:7077 --executor-memory 2g --total-executor-cores 1
注意：executor-memory是每个worker占用的，而executor-cores是所有worker一共占用
具体参数配置的来源：SparkSubmit.scala中的options属性
为了启动方便起见，可以将master配置到spark-env.sh中
export MASTER=spark://${SPARK_MASTER_IP}:${SPARK_MASTER_PORT}
再启动spark-shell时，只需要： spark-shell
如果要指定参数，则使用：spark-shell --executor-memory 2g --total-executor-cores 1
Spark Standalone模式环境搭建,布布扣,bubuko.com
原文：http://www.cnblogs.com/luogankun/p/3798404.html