linux普通使用者開發spark程式時，由於無法使用IDEA的圖形化操作介面，所以只能大包圍jar，用spark-submit提交，不是很方便， spark的local模式可以方便開發者在本地除錯程式碼，而不用打包為jar用spark-submit提交執行，或是在spark-shell中逐行執行，下面是在windows上執行sparkPi的程式碼及結果

package com

import scala.math.random
import org.apache.spark._

object localSpark {
  def main(args: Array[String]) {
    val conf=new SparkConf().setMaster
 
("local[3]")
      .setAppName("Spark Pi")
      .set("spark.ui.port", "9995")
      .set("spark.driver.cores", "3")
      .set("spark.driver.memory", "1g")
      .set("spark.executor.memory", "2g")
      .set("spark.rdd.compress", "true")

    val spark = new SparkContext(conf)
    val slices = if (args.length
 
 > 0) args(0).toInt else 2
    val n = math.min(100000L * slices, Int.MaxValue).toInt // avoid overflow
    val count = spark.parallelize(1 until n, slices).map { i =>
        val x = random * 2 - 1
        val y = random * 2 - 1
        if (x*x + y*y < 1) 1 else 0
      }.reduce(_ + _)
    println("Pi is roughly "
 
 + 4.0 * count / n)
    spark.stop()
  }
}

sbt檔案的配置為

name := "SparkLocal"

version := "1.0"

scalaVersion := "2.10.4"

libraryDependencies += "org.apache.spark" % "spark-core_2.10" % "1.3.0"

注意點：
1.設定setMaster(“local[3]”)，local的引數必須大於2，一個用作drive，剩下的作為worker
2.windows上沒有安裝hadoop，所以spark的依賴包採用的spark-core，即只有spark的核心程式碼，不包含hadoop的配置，所以程式碼中不能讀取hdfs的資料
3.spark-core的版本採用1.5或更高的版本的時候，相關的依賴包下載總是報錯，建議採用1.3版本