Win7 64位系統上搭建Spark開發環境（maven構建）

最近因爲要使用Spark作POC，在本地搭建了相應的開發環境，Spark自己是使用Scala語言編寫的，固然也能夠使用java來開發spark項目，但使用scala語言來開發更加簡潔，本文在IDEA開發工具中使用Maven來建立Scala工程

 

1：安裝Java SDK，Scala，及IDEA 集成開發環境

JDK下載地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

Scala下載地址：http://www.scala-lang.org/download/all.html

Intellij IDEA下載地址：https://www.jetbrains.com/idea/download/download-thanks.html

如下是我測試環境中 java 及 scala的版本：

IDEA使用的是社區版本：IDEA 2017.3.5 (Community Edition)

 

2：Spark的安裝

下載spark：https://spark.apache.org/downloads.html，選擇相應的版本，這裏選擇了2.2.1版本 spark-2.2.1-bin-hadoop2.7，並解壓到指定的目錄，添加環境變量：

SPARK_HOME：D:\Application\spark-2.2.1-bin-hadoop2.7

並添加如下路徑到Path變量中：%SPARK_HOME%\bin

這樣能夠在命令行中啓動命令：spark-shell

 

3：Scala插件的安裝

 在IDEA中選擇 Configure -> Plugins，搜索scala，點擊安裝：

 

4：使用Maven來建立Scala 工程

點擊 Next，設置好GroupId及ArtifactId，一路點擊到結束，期間根據實際狀況能夠修改Project name及代碼的路徑，最後生成Scala架構的代碼目錄及默認的pom.xml文件，在這裏須要注意一點，Scala的本機安裝的版本和Scala插件的版本不一致的問題，查看生成的默認pom.xml文件以下，發現版本使用的是2.7.0，而前面本機安裝的是2.11.8 ，

這樣建立的項目運行時會失敗，提示 "Error: Could not find or load main class ..."

查看前面安裝的Scala版本，相應的修改pom文件中的版本號爲2.11.8，這就出現了另一個問題，從Scala2.9之後，已經廢棄了Application類，而是使用了新的類App，因而修改代碼

object App extends App {
  println( "Hello World!" )
}

運行項目，單元測試報錯，提示scala signature 版本錯誤，先刪除MySpec.scala文件

修改pom文件，

 

5：添加對spark的支持，本地測試文件單詞統計

修改pom.xml

添加屬性 spark 版本，爲本機安裝的spark版本

<spark.version>2.2.1</spark.version>

添加依賴庫

<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-core_2.11</artifactId>
  <version>${spark.version}</version>
</dependency>

完整的pom.xml以下所示：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
  <modelVersion>4.0.0</modelVersion>
  <groupId>mytest</groupId>
  <artifactId>myproject</artifactId>
  <version>1.0-SNAPSHOT</version>
  <inceptionYear>2008</inceptionYear>
  <properties>
    <scala.version>2.11.8</scala.version>
    <spark.version>2.2.1</spark.version>
  </properties>

  <repositories>
      <repository>
          <id>scala-tools.org</id>
          <name>Scala-Tools Maven2 Repository</name>
          <url>http://scala-tools.org/repo-releases</url>
      </repository>
  </repositories>

  <pluginRepositories>
    <pluginRepository>
      <id>scala-tools.org</id>
      <name>Scala-Tools Maven2 Repository</name>
      <url>http://scala-tools.org/repo-releases</url>
    </pluginRepository>
  </pluginRepositories>

  <dependencies>
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.11</artifactId>
      <version>${spark.version}</version>
    </dependency>
    <dependency>
      <groupId>org.scala-lang</groupId>
      <artifactId>scala-library</artifactId>
      <version>${scala.version}</version>
    </dependency>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>4.4</version>
      <scope>test</scope>
    </dependency>
    <dependency>
      <groupId>org.specs</groupId>
      <artifactId>specs</artifactId>
      <version>1.2.5</version>
      <scope>test</scope>
    </dependency>
  </dependencies>

  <build>
    <sourceDirectory>src/main/scala</sourceDirectory>
    <testSourceDirectory>src/test/scala</testSourceDirectory>
    <plugins>
      <plugin>
        <groupId>org.scala-tools</groupId>
        <artifactId>maven-scala-plugin</artifactId>
        <executions>
          <execution>
            <goals>
              <goal>compile</goal>
              <goal>testCompile</goal>
            </goals>
          </execution>
        </executions>
        <configuration>
          <scalaVersion>${scala.version}</scalaVersion>
          <args>
            <arg>-target:jvm-1.5</arg>
          </args>
        </configuration>
      </plugin>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-eclipse-plugin</artifactId>
        <configuration>
          <downloadSources>true</downloadSources>
          <buildcommands>
            <buildcommand>ch.epfl.lamp.sdt.core.scalabuilder</buildcommand>
          </buildcommands>
          <additionalProjectnatures>
            <projectnature>ch.epfl.lamp.sdt.core.scalanature</projectnature>
          </additionalProjectnatures>
          <classpathContainers>
            <classpathContainer>org.eclipse.jdt.launching.JRE_CONTAINER</classpathContainer>
            <classpathContainer>ch.epfl.lamp.sdt.launching.SCALA_CONTAINER</classpathContainer>
          </classpathContainers>
        </configuration>
      </plugin>
    </plugins>
  </build>
  <reporting>
    <plugins>
      <plugin>
        <groupId>org.scala-tools</groupId>
        <artifactId>maven-scala-plugin</artifactId>
        <configuration>
          <scalaVersion>${scala.version}</scalaVersion>
        </configuration>
      </plugin>
    </plugins>
  </reporting>
</project>

 

修改scala代碼，引入spark庫：

package mytest

import org.apache.spark._

object wordcount {
  def main(args: Array[String]) {
    var masterUrl = "local[1]"
    var inputPath = "D:\\temp\\mytext.txt"
    var outputPath = "D:\\temp\\output"

    println(s"masterUrl:${masterUrl}, inputPath: ${inputPath}, outputPath: ${outputPath}")

    val sparkConf = new SparkConf().setMaster(masterUrl).setAppName("WordCount")
    val sc = new SparkContext(sparkConf)

    val rowRdd = sc.textFile(inputPath)
    val resultRdd = rowRdd.flatMap(line => line.split("\\s+"))
      .map(word => (word, 1)).reduceByKey(_ + _)

    resultRdd.saveAsTextFile(outputPath)
  }
}

再次運行工程，能夠在窗口中看到已經成功運行spark，對輸入的文本進行詞彙統計，此時，spark運行的是本地模式，使用的是本地文件做爲輸入

 在輸出目錄，能夠看到程序運行的結果