Apache Spark 从 2014 年火到现在，外国靠的践免是一套真能跑数据的分布式计算框架。但很多人卡在第一步：环境搭不起来，外国或者搭起来了发现要花钱。践免Databricks 的外国托管服务确实好用，可试用期一过，践免账单就来了。外国所以“免费”这件事，践免得拆开看——是外国软件免费，还是践免跑起来免费。

Spark 本身是外国 Apache 基金会的开源项目，代码在 GitHub 上随便下，践免Apache 2.0 协议，外国商用也没人找你收钱。践免这一点没有争议。外国问题出在“跑”上面。

本地模式：最省事的免费方案

你手边有台笔记本就能跑。装个 JDK，下个 Spark 压缩包，解压，配一下 SPARK_HOME，spark-shell 或者 pyspark 直接敲进去就能用。我自己的 MacBook Air M1 上跑 local[*] 模式，处理几百万行的 CSV 做聚合，响应速度完全能接受。这种玩法零成本，缺点也明显——数据量一大就歇菜，内存和核心数摆在那儿。

适合谁？学 Spark 的 API、调 DataFrame 逻辑、写单元测试。你要是拿它跑 TB 级数据，那是跟自己过不去。

云上的免费额度：够用，但有条件

Databricks 的 Community Edition 是个实在东西。注册完给你一个带 Spark 集群的 notebook 环境，底层是 AWS 的机器，不用绑信用卡。我去年拿它跑过一批 JSON 日志的 ETL，单节点集群，大概 15GB 数据，跑了四十多分钟，没花一分钱。限制也清楚：集群规格固定，不能调，闲置一段时间会自动断。适合验证想法、写 demo、做课程作业。

Google Colab 也能跑 PySpark。pip install pyspark 然后起一个本地 session，用的是 Colab 那台虚拟机。免费版给的内存大概 12GB，CPU 核心数看运气。有人拿它跑过 Kaggle 数据集，效果凑合。但 Colab 会断线，跑长任务得盯着。

还有 GitHub Codespaces，每月 120 核时的免费额度。在里面装 Spark 跑 local 模式，体验跟本地差不多，好处是环境可复现，换台电脑接着干。

国内平台的羊毛

阿里云 EMR 和腾讯云 EMR 都有新用户试用。阿里云给的是按量付费的抵扣额度，腾讯云有时候直接送几百块的代金券。注意看细则——有些要求你开通特定规格的集群，有些限制使用时长。我帮朋友薅过一次腾讯云的，建了个三节点的 Spark 集群，跑了大概六个小时的作业，代金券覆盖了。但试用期一过，续费价格不便宜，记得及时释放。

华为云的 ModelArts 也有 notebook 环境，底层可以选 Spark 镜像。免费额度按小时算，适合短平快的任务。

自己搭集群：最自由，也最折腾

如果你有闲置的旧电脑，或者愿意在二手市场淘几台迷你主机，装个 Linux，配 SSH 免密，手动部署 Spark standalone 集群。电费算下来比云服务便宜，前提是你有地方放、不怕吵。我在家里用三台 N100 小主机搭过一个，16GB 内存每台，跑 Spark 处理日志，稳定跑了半年。缺点是没有弹性——数据涨了就得加机器，机器坏了得自己修。

Docker 也是个路子。Spark 官方镜像 bitnami/spark 或者 apache/spark 拉下来，用 docker-compose 起一个 master 加两个 worker，几分钟搞定。本地开发测试足够，生产环境别这么干。

几个容易踩的坑

免费方案往往有隐藏成本。比如 Colab 的免费 GPU 不是随时有，Databricks Community Edition 的集群启动要等几分钟，国内云厂商的试用额度需要实名认证。还有人拿 Spark 跑单机任务，发现比 pandas 还慢——那是因为没调并行度，默认配置下 shuffle 分区数可能只有 2，白白浪费多核。

另外，Spark 3.x 之后对 Python 的支持好了很多，但 PySpark 和 Scala API 之间还是有性能差距。如果你追求极致速度，Scala 或者 Java 写核心逻辑，Python 做胶水层，是个务实的组合。

免费的路子不少，关键看你的数据量、任务时长和折腾意愿。本地模式练手，云上免费额度做验证，旧硬件搭集群跑长期任务——这三层搭配着用，基本不用花钱。