轉】[1.0.2] 詳解基於maven管理-scala開發的spark項目開發環境的搭建與測試

時間 2019-11-18

標籤 1.0.2 詳解基於 maven 管理 scala 開發 spark 項目開發環境搭建測試欄目 Maven 简体版

原文原文鏈接

場景

　　好的，假設項目數據調研與需求分析已接近尾聲，立刻進入Coding階段了，辣麼在Coding以前須要幹馬呢？是的，「統一開發工具、開發環境的搭建與本地測試、測試環境的搭建與測試」 - 本文詳細記錄實際Spark項目開發環境的搭建。java

分析

開發工具

操做系統：win 10
JDK 版本：jdk1.8.0_91
Scala版本：2.10.6
MAVEN版本：apache-maven-3.3.9
集成開發工具：IntelliJ IDEA 2016.1.3
開發主要語言：scalamysql

開發環境的搭建與測試

一. 搭建過程文檔
一、新建一個Maven工程
這裏以新建一個名稱爲fantasia的maven工程爲例加以說明。sql

設置完了，選擇下一步數據庫

設置完了，選擇下一步apache

點擊 finish 後idea會加載maven與junit等相關的插件，可能須要30分鐘左右的時間（網速決定）。json

二、自定義maven的repository目錄
idea內置了maven插件，且默認repository目錄爲C:\Users\${username}\.m2\repository ,這裏咱們爲項目指定一個新的repository，以方便管理依賴的jar包：markdown

三、在pom.xml文件中配置相關依賴包
這裏一次性導入項目可能用到的jar包，具體內容以下：架構

<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">框架

<modelVersion>4.0.0</modelVersion>eclipse

<groupId>com.pl.bdeu.bigdata</groupId>

<artifactId>fantasia</artifactId>

<version>1.0-SNAPSHOT</version>

<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

<scala.version>2.10.6</scala.version>

<spark.version>1.6.2</spark.version>

<hadoop.version>2.6.0</hadoop.version>

</properties>

<id>scala-tools.org</id>

<name>Scala-Tools Maven2 Repository</name>

<url>http://scala-tools.org/repo-releases</url>

</repository>

</repositories>

<id>scala-tools.org</id>

<name>Scala-Tools Maven2 Repository</name>

<url>http://scala-tools.org/repo-releases</url>

</pluginRepository>

</pluginRepositories>

<groupId>org.scala-lang</groupId>

<artifactId>scala-library</artifactId>

<version>${scala.version}</version>

</dependency>

<groupId>junit</groupId>

<artifactId>junit</artifactId>

</dependency>

<groupId>org.specs</groupId>

<artifactId>specs</artifactId>

</dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-core_2.10</artifactId>

<version>${spark.version}</version>

</dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-sql_2.10</artifactId>

<version>${spark.version}</version>

</dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-hive_2.10</artifactId>

<version>${spark.version}</version>

</dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-streaming_2.10</artifactId>

<version>${spark.version}</version>

</dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-mllib_2.10</artifactId>

<version>${spark.version}</version>

</dependency>

<groupId>org.apache.hadoop</groupId>

<artifactId>hadoop-client</artifactId>

<version>${hadoop.version}</version>

</dependency>

<groupId>org.apache.spark</groupId>

<artifactId>spark-streaming-kafka_2.10</artifactId>

<version>${spark.version}</version>

</dependency>

<groupId>mysql</groupId>

<artifactId>mysql-connector-java</artifactId>

</dependency>

</dependency>

<groupId>com.fasterxml.jackson.core</groupId>

<artifactId>jackson-core</artifactId>

</dependency>

<groupId>com.fasterxml.jackson.core</groupId>

<artifactId>jackson-databind</artifactId>

</dependency>

<groupId>com.fasterxml.jackson.core</groupId>

<artifactId>jackson-annotations</artifactId>

</dependency>

<groupId>com.alibaba</groupId>

<artifactId>fastjson</artifactId>

</dependency>

<groupId>fastutil</groupId>

<artifactId>fastutil</artifactId>

</dependency>

</dependencies>

<build>

<sourceDirectory>src/main/scala</sourceDirectory>

<testSourceDirectory>src/test/scala</testSourceDirectory>

<groupId>org.scala-tools</groupId>

<artifactId>maven-scala-plugin</artifactId>

<goals>

<goal>compile</goal>

<goal>testCompile</goal>

</goals>

</execution>

</executions>

<scalaVersion>${scala.version}</scalaVersion>

<args>

<arg>-target:jvm-1.5</arg>

</args>

</configuration>

</plugin>

<groupId>org.apache.maven.plugins</groupId>

<artifactId>maven-eclipse-plugin</artifactId>

<buildcommand>ch.epfl.lamp.sdt.core.scalabuilder</buildcommand>

</buildcommands>

<projectnature>ch.epfl.lamp.sdt.core.scalanature</projectnature>

</additionalProjectnatures>

<classpathContainer>org.eclipse.jdt.launching.JRE_CONTAINER</classpathContainer>

<classpathContainer>ch.epfl.lamp.sdt.launching.SCALA_CONTAINER</classpathContainer>

</classpathContainers>

</configuration>

</plugin>

</plugins>

</build>

<groupId>org.scala-tools</groupId>

<artifactId>maven-scala-plugin</artifactId>

<scalaVersion>${scala.version}</scalaVersion>

</configuration>

</plugin>

</plugins>

</reporting>

</project>

四、項目基礎架構
新建兩個子包：collector與 core
collector:存放數據採集相關spark做業
core:存放核心業務類spark做業
resource目錄下存放相關配置文件：數據庫鏈接信息,kafka環境信息等，
其餘的後續根據具體模塊功能個再自行定義。

五、本地環境測試
編寫 FrameworkExeTest類對框架可用性進行測試

package com.pl.bdeu.bigdata

import org.apache.commons.logging.LogFactory
import org.apache.spark.{SparkConf, SparkContext}
/**
* author pengych@pl.com
* date 2016/7/24
* function 框架可用性測試
*
執行結果：
(hello,2)
(pl,1)
(fantasia,1)
*/
object FrameworkExeTest {

def main(args: Array[String]) {
val log = LogFactory.getLog("FrameworkExeTest")

val conf = new SparkConf().setMaster("local[*]").setAppName("fantasia framework test")
val sc = new SparkContext(conf)
if(log.isDebugEnabled){
log.debug(" SparkContext initialized")
}

val linesRDD= sc.textFile("E:\\wordcount.txt")
linesRDD.flatMap(line => line.split(" ") ).map( word => (word,1) ).reduceByKey(_+_).
collect.foreach(println)
sc.stop()
}
}

總結

耐心很重要，由於網速極可能很慢
別在idea加載依賴包的時候手動幹掉正在加載的進程，這樣極可能致使各類找不到包的狀況.
在maven的安裝目錄： ~\apache-maven-3.3.9\conf\settings.xml的標籤裏自定義repository路徑
本文指定repository的路徑爲：E:\apache-maven-3.3.9\repository

<settings xmlns="http://maven.apache.org/SETTINGS/1.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/SETTINGS/1.0.0 http://maven.apache.org/xsd/settings-1.0.0.xsd"> <localRepository>E:\apache-maven-3.3.9\repository</localRepository>