spark目前有四种运行模式：本地运行、在yarn上运行、standalone、mesos。
所谓运行模式，就是指spark应用跑在什么地方。mr程序可以在本地运行，也可以提交给yarn运行。这个概念是一样的。
跟其他Hadoop生态圈的组件一样，spark也需要JDK的环境，此外还需要SCALA环境。所以在安装spark之前要先安装好JDK和SCALA。
（ 我的 jdk 版本是 1.8 scala 版本是 2.11.8 hadoop 版本是 2.7.3 spark 版本是 2.2.1 都是源生的apache版本）
1、本地模式：
只要下载编译好的tar包，上传到服务器，在指定目录下解压，编辑 spark-env.sh即可。
解压后在spark的conf目录下有一个spark-env.sh.template文件，这是一个模板文件，最好不要直接修改，自己复制一份。
cp spark-env.sh.template spark-env.sh
在配置文件中找到 launching programs locally 这一行。它表示如果是本地运行模式，需要配置哪些参数。
为了安全起见，又声明了一下JAVA_HOME和SCALA_HOME。
spark和mr一样，只是一个计算框架，本身不提供数据存储功能，数据可以是存储在本地的，也可以是存储在HDFS上的。
一般来说，数据都是存储在HDFS上，我们就需要建立spark和HDFS之间的连接，告诉spark HDFS在哪里。
而HDFS的信息，是配置在core-site.xml 和 hdfs-site.xml 这两个文件里的，只要能找到这两个文件，spark就可以知道HDFS的位置。所以我们只要告诉spark去哪里找这两个文件就行了。
到这里，本地运行模式就配置好了。测试一下：
既然是要使用HDFS，就需要先启动HDFS。
启动好HDFS，到spark的安装目录下，找到bin目录里面的命令 spark-shell 。 执行这个命令
看到这个界面，spark本地模式就可以成功运行了。
可以看到提示符是 scala，说明这里可以敲scala代码。红框框里面的信息也比较重要。
敲一下spark官网的示例代码：
发现报错了，说文件不存在，给出的路径是 hdfs://bd27-server.ibeifeng.com:8020/user/bigdata/README.md。 也就是说 spark是到这个目录下面找输入文件的（我们只给了一个相对路径）。
[bigdata@bd27-server hadoop-2.7.3]$ bin/hdfs dfs -put /opt/moudles/spark-2.2.1-bin-hadoop2.7/README.md /user/bigdata/README.md
把这个文件上传到HDFS上，放到它默认去找的那个目录下面。
执行成功。
从这里我们可以看到，spark默认是到 HDFS 的 /user/用户名(我的用户名是 bigdata )/ 下面去找输入文件。
如果我们给它一个本地文件系统的路径，它也可以读取。但是我们要明确的给出 file:/// 这个schema。
为什么它默认读取HDFS呢？ 就是因为我们给出了 HADOOP_CONF_DIR=/opt/moudles/hadoop-2.7.3/etc/hadoop 这个配置参数。相当于给出了 fs.defaultFS=hdfs://XXXXXXX
至于为什么执行第一句话不报错，执行第二句话会报错，那就是另一个话题了。