实验步骤：
1、Scala安装与环境配置
①Scala文件解压、重命名
输入：tar -xvf scala-2.12.2.tgz
然后移动到/opt/scala 里面，重命名为
输入：
mv scala-2.12.2 /opt/scala
mv scala-2.12.2 scala2.12
②环境配置
编辑 /etc/profile 文件，输入:
输入source /etc/profile使配置生效
输入 scala -version 查看是否安装成功
2，Spark配置
①Spark文件解压、重命名
输入：tar -xvf spark-1.6.3-bin-hadoop2.4-without-hive.tgz
然后移动到/opt/spark 里面，重命名
mv spark-1.6.3-bin-hadoop2.4-without-hive /opt/spark
mv spark-1.6.3-bin-hadoop2.4-without-hive spark1.6-hadoop2.4-hive
②环境配置
编辑 /etc/profile 文件
输入:
输入source /etc/profile使配置生效
③更改配置文件
切换目录，输入:
cd /opt/spark/spark1.6-hadoop2.4-hive/conf
④修改 spark-env.sh
在conf目录下，修改spark-env.sh文件，如果没有 spark-env.sh 该文件，就复制spark-env.sh.template文件并重命名为spark-env.sh。
修改这个新建的spark-env.sh文件，加入配置:
⑤修改slaves
slaves 分布式文件
在conf目录下，修改slaves文件，如果没有 slaves 该文件，就复制slaves .template文件并重命名为slaves 。
修改这个新建的slaves 文件，加入配置:
slave1
slave2
输入:
scala环境传输
spark环境传输
传输之后，便在主节点启动集群。
⑥spark启动
先启动Hadoop
切换到Spark目录下
输入cd /opt/spark/spark2.2/sbin
启动Spark ，输入start-all.sh
启动成功之后，可以使用jps命令在各个机器上查看是否成功，在浏览器查看
3、编写wordcount程序
①spark shell仅在测试和验证我们的程序时使用的较多，在生产环境中，通常会在IDE中编制程序，然后打成jar包，然后提交到集群，最常用的是创建一个Maven项目，利用Maven来管理jar包的依赖。
②配置Maven的pom.xml：
注意：配置好pom.xml以后，点击Enable Auto-Import即可;
③将src/main/java和src/test/java分别修改成src/main/scala和src/test/scala，与pom.xml中的配置保持一致；
④新建一个scala class，类型为Object，然后编写spark程序，如下所示：
import org.apache.spark.{SparkConf, SparkContext}
object WordCount {
def main(args: Array[String]): Unit = {
//创建SparkConf()并且设置App的名称
val conf = new SparkConf().setAppName("wordCount");
//创建SparkContext,该对象是提交spark app的入口
val sc = new SparkContext(conf);
//使用sc创建rdd,并且执行相应的transformation和action
sc.textFile(args(0)).flatMap(_.split(" ")).map((_ ,1)).reduceByKey(_ + _,1).sortBy(_._2,false).saveAsTextFile(args(1));
//停止sc，结束该任务 sc.stop();
}
}
⑤使用Maven打包：首先修改pom.xml中的mainClass，使其和自己的类路径对应起来：
然后，点击idea右侧的Maven Project选项，点击Lifecycle,选择clean和package，然后点击Run Maven Build等待编译完成，选择编译成功的jar包，并将该jar上传到Spark集群中的某个节点上
启动hdfs和Spark集群，使用spark-submit命令提交Spark应用，然后开始进行Spark Submit提交操作，命令如下所示：
可以在图形化页面看到多了一个Application：
最后查看执行结果即可