@dawnchen123 先搭集群，搭集群尤其自己搭那是非常难，虚拟机不建议用。简化流程，你可以买百度的云主机，100 多点一台能用 1 年，有钱你买 3 台。

困难路线：
搭 3 台的土豪线路：每个主机安装一 hadoop，然后 3 台主机彼此之间做免密钥。这 3 台 hadoop 主机就可以看做一个整体。然后安装 zookeeper，spark。

然后点开 eclipse 或者其他什么软件，安装依赖，然后自己用代码生成数据集，之后用 scala 写一个脚本 rdd 转化流程。从数据集中读取数据，然后处理后落地 hadoop 文件夹中。rdd 具体写什么可以上网找找有没有相关题目。

测试没错后打包扔进去服务器。使用 spark 命令行进行启动，落地数据。

很有条件再上个 azkaba 调度器。

比较简单的线路：
搭一台线路：安装 hadoop，安 zookeeper，安装 spark，然后点开 sparkshell，把网上找来的代码复制粘贴到里面看看会发生什么。

很简单的线路：
上网找个教程，比如尚硅谷，然后跟着听课跟着做。人家水平不错的。

我推荐最后一种。

@locoz 谢老哥，关键怎么是不知道怎么深入啊，下一份工作能不能找到对口的我都不确定。我在网上随便看的，说把 spark 源码背下来就有底气了。我 spark 最多就是写 rdd 代码打包扔进服务器启动的水平，估计没啥竞争力。