diff --git a/README.md b/README.md
index 3d07efe..20aaa60 100644
--- a/README.md
+++ b/README.md
@@ -1,2 +1,23 @@
-# Introduction
+# 前言
+
+随着大数据时代的到来，各行各业的工作者都迫切需要更好更快的数据计算与分析工具，`2009`年，`Spark`应运而生，在很短的时间里就崭露头角，受到了业界的广泛肯定与欢迎，如今已是`Apache`软件基金会会下的顶级开源项目之一。相较于曾经引爆大数据产业革命的`Hadoop MapReduce`框架，`Spark`带来的改进更加令人欢欣鼓舞。首先，基于内存计算的`Spark`速度更快，减少了迭代计算时的`IO`开销，而且支持交互性使用，其次。`Spark`丰富的`API`提供了更强大的易用性，它支持使用`Scala`、`Java`、`Python`与`R`语言进行编程，有助于开发者轻松构建并行的应用程序。而且，`Spark`支持多种运行模式，既可以运行于独立的集群模式或`Hadoop`集群模式中，也可以运行在云星宇`Amazon EC2`等云环境中。
+
+
+Apache Spark是用于大规模数据处理的统一分析引擎，Spark使用Scala语言进行实现，它是一种面向对象、函数式编程语言，能够像操作本地集合对象一样轻松地操作分布式数据集，它具有运行速度快、易用性好、通用性强和随处运行等特点。
+
+它有如下几个特点：
+
+1. 运行速度快
+Apache Spark使用最先进的DAG调度程序，查询优化器和物理执行引擎，为批处理数据和流数据提供了高性能。
+
+2. 使用方便
+可以使用Java，Scala，Python，R和SQL等语言快速编写应用程序。
+Spark提供了80多个高级操作员，可轻松构建并行应用程序。也可以从Scala，Python，R和SQL Shell 交互使用它。
+3. 支持多种开发场景
+Spark技术栈包括：SparkSQL 、 DataFrames、Spark MLlib for machine learning, GraphX 以及 Spark Streaming。
+
+
+4. 可运行在多种环境
+Spark可在Hadoop，Apache Mesos，Kubernetes，独立或云中运行。它可以访问各种数据源。
+
diff --git a/SUMMARY.md b/SUMMARY.md
index 56aa14f..03cd6be 100644
--- a/SUMMARY.md
+++ b/SUMMARY.md
@@ -1,9 +1,10 @@
# 大数据分析（Spark）
* [项目简介](README.md)
-* [第一章 Spark环境搭建和使用方法](/chapter1/1Spark简介.md)
- * [1.1 Spark单机版环境搭建](/chapter1/1.1Spark单机版环境搭建.md)
- * [1.2 Spark完全分布式环境搭建](/chapter1/1.2Spark完全分布式环境搭建.md)
+* [第一章 Spark环境搭建和使用方法](/chapter1/1Spark安装简介.md)
+ * [1.1 Scala环境搭建](/chapter1/1.1Scala环境搭建.md)
+ * [1.2 Spark单机版环境搭建](/chapter1/1.2Spark单机版环境搭建.md)
+ * [1.3 Spark完全分布式环境搭建](/chapter1/1.2Spark完全分布式环境搭建.md)
* [第二章 Spark结构化数据分析与处理](/chapter2/2结构化数据分析与处理简介.md)
* [2.1 SparkSQL统计各个研发单位研制战斗机占比](/chapter2/2.1统计各个研发单位研制战斗机占比.md)
* [2.2 SparkSQL对战斗机飞行性能进行分析](/chapter2/2.2对战斗机飞行性能进行分析.md)
diff --git a/chapter1/1.1Scala环境搭建.md b/chapter1/1.1Scala环境搭建.md
new file mode 100644
index 0000000..7906967
--- /dev/null
+++ b/chapter1/1.1Scala环境搭建.md
@@ -0,0 +1,61 @@
+## 1.1 Scala开发环境搭建
+
+
+`Scala`是一种函数式面向对象语言，它融汇了许多前所未有的特性，而同时又运行于`JVM`之上。随着开发者对`Scala`的兴趣日增，以及越来越多的工具支持，无疑`Scala`语言将成为你手上一件必不可少的工具。
+
+而我们将要学习的大数据框架`Spark`底层是使用`Scala`开发的，使用`scala`写出的代码长度是使用`java`写出的代码长度的`1/10`左右，代码实现更加简练。
+
+所以安装与配置`Scala`的环境是我们在开始学习`Spark`之前要完成的准备工作。
+
+接下来我们开始安装，分为三个步骤：
+
+1. 下载解压；
+2. 配置环境；
+3. 校验。
+
+
+
+### 1.1.1 下载解压
+
+在[Scala官网](https://www.scala-lang.org/download/)根据平台选择下载`Scala`的安装包，
+
+
+
+
+接下来，解压到`/app`目录下：
+
+```
+mkdir /app //创建 app 目录
+
+tar -zxvf scala-2.12.7.tgz -C /app
+```
+
+提示：在平台已经将解压包下载在`/opt`目录下了，就不需要再从网络下载了。
+
+
+### 1.1.2 配置环境
+
+接下来我们开始配置环境，**在自己本机上需要配置好`Java`环境**，因为`Scala`是基于`jvm`的（在平台已经将`Java`环境配置好了）：
+
+`vi /etc/profile`
+
+
+
+
+不要忘了配置好之后`source /etc/profile`
+
+### 1.1.3 校验
+
+在命令行输入：`scala -version`出现如下结果就配置成功了
+
+
+
+
+
+按照惯例，我们在开始一个编程语言要进行一个仪式，哈哈，那就是，`Hello World`，接下来我们使用`Scala`输出`Hello World`：
+
+在命令行中输入`scala`进入Scala命令行，输入`println("Hello World")` 就可以啦。
+
+
+
+
diff --git a/chapter1/1.2Spark单机版环境搭建.md b/chapter1/1.2Spark单机版环境搭建.md
new file mode 100644
index 0000000..c64405a
--- /dev/null
+++ b/chapter1/1.2Spark单机版环境搭建.md
@@ -0,0 +1,114 @@
+## 1.2 Spark单机版环境搭建
+
+`Apache Spark`是专为大规模数据处理而设计的快速通用的计算引擎。`Spark`是`UC Berkeley AMP lab`(加州大学伯克利分校的`AMP`实验室)所开源的类`Hadoop MapReduce`的通用并行框架，`Spark`拥有`Hadoop MapReduce`所具有的优点；但不同于`MapReduce`的是——`Job`中间输出结果可以保存在内存中，从而不再需要读写`HDFS`，因此`Spark`能更好地适用于数据挖掘与机器学习等需要迭代的`MapReduce`的算法。
+
+现在我们来配置一个伪分布式的`Spark`开发环境，与配置`Hadoop`类似分为三个步骤：
+
+1. 下载解压安装包；
+2. 配置环境变量；
+3. 配置`Spark`环境；
+4. 校验。
+
+### 1.2.1 下载解压安装包
+
+我们从[官网](http://spark.apache.org/downloads.html)下载好安装包，
+
+
+
+
+
+
+
+接下来解压，在平台已经将`spark`安装包下载到`/opt`目录下了，所以不需要再下载了。
+
+```
+tar -zxvf spark-2.2.2-bin-hadoop2.7/ -C /app
+```
+
+将压缩包解压到`/app`目录下。
+
+
+
+
+### 1.2.2 配置环境变量
+
+我们将`spark`的根目录配置到`/etc/profile`中（在文件末尾添加）。
+
+```
+vim /etc/profile
+```
+
+
+
+
+不要忘了`source /etc/profile`
+
+
+### 1.2.3 修改Spark配置文件
+
+切换到`conf`目录下：
+```
+cd /app/spark-2.2.2-bin-hadoop2.7/conf
+```
+
+在这里我们需要配置的是`spark-env.sh`文件，但是查看目录下文件只发现一个`spark-env.sh.template`文件，我们使用命令复制该文件并重命名为`spark-env.sh`即可；
+
+
+
+
+
+接下来编辑`spark-env.sh`，在文件末尾添加如下配置：
+
+```
+export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_111
+
+export SCALA_HOME=/app/scala-2.12.7
+
+export HADOOP_HOME=/usr/local/hadoop/
+
+export HADOOP_CONF_DIR=/usr/local/hadoop/etc/hadoop
+
+export SPARK_MASTER_IP=machine_name // machine_name 根据自己的主机确定
+
+export SPARK_LOCAL_IP=machine_name // machine_name 根据自己的主机确定
+
+```
+
+参数解释：
+
+| 参数 | 解释 |
+| - | - |
+| JAVA_HOME | Java的安装路径 |
+|SCALA_HOME|Scala的安装路径|
+| HADOOP_HOME| Hadoop的安装路径 |
+| HADOOP_CONF_DIR| Hadoop配置文件的路径|
+| SPARK_MASTER_IP | Spark主节点的IP或机器名|
+| SPARK_LOCAL_IP | Spark本地的IP或主机名 |
+
+如何查看机器名/主机名呢？
+
+很简单，在命令行输入：`hostname`即可。
+
+
+
+### 1.2.4 校验
+
+最后我们需要校验是否安装配置成功了；
+现在我们启动`spark`并且运行`spark`自带的`demo`：
+
+首先我们在`spark`根目录下启动`spark`：
+在`spark`的根目录下输入命令`./sbin/start-all.sh`即可启动，使用`jps`命令查看是否启动成功，有`woker`和`master`节点代表启动成功。
+
+
+
+
+
+接下来运行`demo`：
+- 在`Spark`根目录使用命令`./bin/run-example SparkPi > SparkOutput.txt`运行示例程序
+- 在运行的时候我们可以发现打印了很多日志，最后我们使用`cat SparkOutput.txt`可以查看计算结果（计算是有误差的所以每次结果会不一样）：
+
+
+
+
+
+好了，如果你能到这一步就已经完成了伪分布式`Spark`的安装啦。
\ No newline at end of file
diff --git a/chapter1/1.2Spark完全分布式环境搭建.md b/chapter1/1.2Spark完全分布式环境搭建.md
deleted file mode 100644
index e69de29..0000000
diff --git a/chapter1/1.1Spark单机版环境搭建.md b/chapter1/1.3Spark完全分布式环境搭建.md
similarity index 100%
rename from chapter1/1.1Spark单机版环境搭建.md
rename to chapter1/1.3Spark完全分布式环境搭建.md
diff --git a/chapter1/1Spark安装简介.md b/chapter1/1Spark安装简介.md
new file mode 100644
index 0000000..0fc1ea6
--- /dev/null
+++ b/chapter1/1Spark安装简介.md
@@ -0,0 +1,14 @@
+# 第一章：Spark单机版环境搭建
+
+要开始进行Spark的学习，我们需要首先安装Spark的开发环境，作为一名新手，在搭建环境的时候可能会遇到一些问题，所以我们将女装Spark的步骤分为三步：
+
+1. Scala环境搭建
+2. Spark单机版环境搭建
+3. Spark完全分布式集群环境搭建
+
+通过这三个分解的步骤，相信你能完成Spark开发环境的搭建。
+
+那么，现在开始吧！
+
+
+
diff --git a/chapter1/1Spark简介.md b/chapter1/1Spark简介.md
deleted file mode 100644
index e69de29..0000000
diff --git a/image/frame.png b/image/frame.png
new file mode 100644
index 0000000..367714c
Binary files /dev/null and b/image/frame.png differ
diff --git a/image/stack.png b/image/stack.png
new file mode 100644
index 0000000..0e095c7
Binary files /dev/null and b/image/stack.png differ