流程图如下所示：

flowchart TD
    A[安装Spark] -- 使用命令行 -- B[配置环境变量]
    B -- 使用命令行 -- C[下载xgboost包]
    C -- 使用命令行 -- D[解压xgboost包]
    D -- 使用命令行 -- E[编译xgboost]
    E -- 使用命令行 -- F[配置Spark参数]
    F -- 使用命令行 -- G[启动Spark集群]
    G -- 使用命令行 -- H[编写Spark代码]
    H -- 使用命令行 -- I[运行Spark代码]

首先，你需要安装Spark并配置环境变量，然后下载xgboost包并解压。接下来，需要编译xgboost，并配置Spark参数。最后，可以启动Spark集群，编写Spark代码并运行。

下面是每个步骤需要做的事情和相关代码：

  1. 安装Spark：可以通过以下命令行安装Spark：
> brew install apache-spark
  1. 配置环境变量：打开终端，编辑bash_profile文件，并添加以下内容：
export SPARK_HOME=/usr/local/Cellar/apache-spark/<version>/libexec
export PATH=$SPARK_HOME/bin:$PATH
  1. 下载xgboost包：可以使用以下代码下载xgboost包：
> git clone --recursive
  1. 解压xgboost包：使用以下代码解压xgboost包：
> tar -xzvf xgboost.tar.gz
  1. 编译xgboost：进入xgboost文件夹，并执行以下代码编译xgboost：
> cd xgboost
> make -j4
  1. 配置Spark参数：打开Spark配置文件$SPARK_HOME/conf/spark-defaults.conf，添加以下内容：
spark.executor.extraLibraryPath=$XGBOOST_HOME/jvm-packages/xgboost4j-spark/target/xgboost4j-spark-<version>.jar
spark.driver.extraLibraryPath=$XGBOOST_HOME/jvm-packages/xgboost4j-spark/target/xgboost4j-spark-<version>.jar

其中$XGBOOST_HOME是xgboost的根目录。

  1. 启动Spark集群：在终端中运行以下命令启动Spark集群：
> $SPARK_HOME/sbin/start-all.sh
  1. 编写Spark代码：创建一个新的Scala文件，编写以下代码：
import org.apache.spark.ml.{Pipeline, PipelineModel}
import org.apache.spark.ml.feature.{StringIndexer, VectorAssembler}
import org.apache.spark.ml.evaluation.RegressionEvaluator
import org.apache.spark.ml.regression.{GBTRegressor, GBTRegressionModel}
import org.apache.spark.sql.SparkSession

val spark = SparkSession.builder().appName("XGBoostExample").getOrCreate()

// 加载数据
val dataset = spark.read.format("libsvm").load("data/mllib/sample_libsvm_data.txt")

// 特征转换
val featureIndexer = new VectorAssembler()
  .setInputCols(Array("features"))
  .setOutputCol("indexedFeatures")
  .transform(dataset)

// 标签索引
val labelIndexer = new StringIndexer()
  .setInputCol("label")
  .setOutputCol("indexedLabel")
  .fit(dataset)
  .transform(featureIndexer)

// 划分训练集和测试集
val Array(trainingData, testData) = labelIndexer.randomSplit(Array(0.7, 0.3))

// 训练GBDT模型
val gbt = new GBTRegressor()
  .setLabelCol("indexedLabel")
  .setFeaturesCol("indexedFeatures")
  .setMaxIter(10)

// 创建Pipeline
val pipeline = new Pipeline()
  .setStages(Array(gbt))

// 训练模型
val model = pipeline.fit(trainingData)

// 预测
val predictions = model.transform(testData)

// 评估模型
val evaluator = new RegressionEvaluator()
  .setLabelCol("indexedLabel")
  .setPredictionCol("prediction")
  .setMetricName("rmse")

val rmse = evaluator.evaluate(predictions)
println(s"Root Mean Squared Error (RMSE) on test data = $rmse")

// 保存模型
model.write.overwrite().save("xgboost_model")
  1. 运行Spark代码：使用以下命令行运行Spark代码：
> $SPARK_HOME/bin/spark-submit --class com.example.XGBoostExample --master local[2] xgboost-example.jar