Spark2.x学习笔记：6、在Windows平台下搭建Spark开发环境（Intellij IDEA）

 

Spark2.x学习笔记
6、 在Windows平台下搭建Spark开发环境（Intellij IDEA+Maven）
6.1 集成开发环境IDE
为了方便应用程序开发与测试，提高开发效率，一般使用集成开发工具IDE。同样，为了方便Spark应用程序编写和测试，可以选择集成开发工具Intellij IDEA或Eclipse。由于Intellij IDEA对Scala更好的支持，大多Spark开发团队选择了Intellij IDEA作为开发环境。

6.2 安装JDK
在Linux下安装配置JDK8，请参见http://blog.csdn.net/chengyuqiang/article/details/77671748。 
在实际生产环境下，首先是在Windows平台进行应用程序编写和调试，然后，程序编译后发布到服务器端运行。所以，这里需要介绍的是Windows平台下JDK8的安装与配置。 
（1）下载 
登录Oracle官网http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html，接受协议，选择对应版本。因为我的本机是64位Windows，所以需要下载64位（Windows x64）JDK安装包。 
 
（2）安装JDK 
Windows下安装JDK非常方便，双击安装程序后，直接单击下一步即可，默认安装到C:\Program Files\Java目录下。其间会安装JRE，默认一下步即可。 
（3）设置环境变量 
右键单击桌面上的“计算机”图标（在Windows10下是“此电脑”），在弹出的右键快捷菜单中选择最后一个“属性”选项；在弹出的系统窗口中，单击左侧“高级系统设置”选项，弹出“系统属性”对话框，如下图。 
 
然后单击中间的“高级”选项卡，再单击下方的“环境变量(N)…”按钮。在弹出的环境变量对话框中，首先单击下方的“新建（W）…”按钮，然后在弹出的新建环境变量中输入对应的值。 

6.3 安装Scala
（1）下载 
通过Spark官网下载页面http://spark.apache.org/downloads.html 可知“Note: Starting version 2.0, Spark is built with Scala 2.11 by default.”，建议下载Spark2.2对应的 Scala 2.11。

登录Scala官网http://www.scala-lang.org/，单击download按钮，然后再“Other Releases”标题下找到“Last 2.11.x maintenance release - Scala 2.11.11”链接

进入http://www.scala-lang.org/download/2.11.11.html页面，下拉找到如下图内容，下载msi格式的安装包即可。 
 
（2）安装 
默认安装到C:\Program Files (x86)\scala目录下 
 
（3）环境变量 
与设置Java环境变量类型， 
SCALA_HOME=C:\Program Files (x86)\scala 
Path环境变量在最后追加;%SCALA_HOME%\bin 

6.4 安装Maven
Maven的安装与配置请参考： 
http://blog.csdn.net/chengyuqiang/article/details/72082149

6.5 Intellij IDEA下载与配置
（1）下载与安装 
登录官网https://www.jetbrains.com/idea/download/，按照自己的需求下载（ultimate，旗舰版）或者（Community，社区版）。比如这里直接下载ultimate

下载得到ideaIU-2017.2.3.exe可执行文件，双击即可安装。 
（2）启动 
安装完成后，单击周末IntelliJ IDEA图标即可启动IntelliJ IDEA. 
（3）导入设置 
由于是第一次安装，所以不需要导入配置。默认选项即可。 
 
（4）接受协议 
 
（5）激活IntelliJ IDEA 2017.2.3（重要） 
对于旗舰版的IntelliJ IDEA需要激活。如下图所示，首先选中“License server”，然后再输入框中输入http://idea.imsxm.com（注意，输入是这个地址，不是图中地址），最后单击“Activate”按钮激活即可。 
 
（6）选中风格 
为了保护眼睛，我倾向于选中Darcula风格。 
 
（7）单击“Next：Default plugins”–>Featured plugins，单击“Install”下载Scala插件 

6.6 设置
（1）单击“Create New Project” 

6.7 创建Maven项目

选中scala–>右键快捷菜单–>Mark Directory as –>Sources root 

File–>Project Structure–>Global Libaries 

单击“Browse”按钮，选中Scala安装目录 

6.8 编辑代码
（1）pom.xml

Spark2.2 Maven库请参见 http://mvnrepository.com/artifact/org.apache.spark/spark-core_2.10/2.2.0

<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>cn.hadron</groupId>
  <artifactId>simpleSpark</artifactId>
  <packaging>jar</packaging>
  <version>1.0-SNAPSHOT</version>
  <properties>
    <spark.version>2.2.0</spark.version>
  </properties>

  <repositories>
    <repository>
      <id>nexus-aliyun</id>
      <name>Nexus aliyun</name>
      <url>http://maven.aliyun.com/nexus/content/groups/public</url>
    </repository>
  </repositories>

  <dependencies>
    <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core_2.10 -->
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.10</artifactId>
      <version>${spark.version}</version>
    </dependency>
  </dependencies>

  <build>
    <plugins>
      <plugin>
        <artifactId>maven-assembly-plugin</artifactId>
        <version>2.3</version>
        <configuration>
          <classifier>dist</classifier>
          <appendAssemblyId>true</appendAssemblyId>
          <descriptorRefs>
            <descriptor>jar-with-dependencies</descriptor>
          </descriptorRefs>
        </configuration>
        <executions>
          <execution>
            <id>make-assembly</id>
            <phase>package</phase>
            <goals>
              <goal>single</goal>
            </goals>
          </execution>
        </executions>
      </plugin>
    </plugins>
  </build>
</project>

1
 
保存pom.xml文件后，如果Intellij IDEA右下角出现如下提示，请单击“Enable Auto-Import” 
 
（2）WordCount.scala 
新建Scala Class类WordCount.scala，Scala源文件后缀名是.scala。

package cn.hadron

import org.apache.spark._

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

    if (args.length == 1) {
      masterUrl = args(0)
    } else if (args.length == 3) {
      masterUrl = args(0)
      inputPath = args(1)
      outputPath = args(2)
    }

    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)
  }
}
 
6.9 数据文件
从网络上下载一部文本格式的小说，比如Hamlet.txt，存放到D:\data目录。

6.10 运行
在源文件代码中右键单击–>Run “WordCount”

Python爬虫全栈教学，零基础教你成编程