idea中直接运行spark程序

我们可以在IDEA中直接运行spark程序，来连接服务器上的HDFS或者是spark集群来跑spark任务。

1. 提前工作
   我们需要先解决idea直接运行程序远程访问HDFS的问题。
   1. 首先下载 hadoop-common-2.6.0-bin-master.rar 压缩包（需要和服务器上的Hadoop版本对应），解压到任意目录，然后在环境变量中添加 HADOOP_HOME ，变量值为解压的位置。
   2. 在 PATH 变量中添加以下值：%HADOOP_HOME%\bin ，之后确认即可，如果后面在idea中运行程序报错：
      
      则重启一下电脑，使上面的配置生效。
      
2. 本地运行
   本地调试是使用本地idea中编写的代码引入的spark的相关jar包来运行spark程序，将spark程序提交到本地spark（本地并不需要安装Windows版本的spark）运行。下面是获取SparkContext的代码：

   val config = new SparkConf().setAppName("WordCount").setMaster("local")
   val sparkContext = new SparkContext(config)

   一定要调用setMaster()方法，方法参数设置为local。
   之后直接运行主方法就可以运行该程序。
    

3. 远程运行
   远程运行是指经过代码设置，idea自动将代码打包并发布到指定的远程服务器上的spark上运行，远程服务器上的spark master接受jar包，并发布给worker运行，并可以在页面上看到master和worker中程序的执行情况。下面是获取SparkContext的代码：

   val config = new SparkConf().setAppName("WordCount").setMaster("spark://zb2:7077")
       .setJars(List("target/sparkdemo-1.0-SNAPSHOT-jar-with-dependencies.jar"))
       .setIfMissing("spark.driver.host", "172.16.72.251")
   val sparkContext = new SparkContext(config)

   1. setMaster方法中设置远程spark服务的master地址；
   2. setJars方法中传递一个Seq，里面写上jar包的位置（idea中打完jar包的位置）；
   3. setIfMissing方法中设置spark驱动的机器IP地址，也就是你Windows开发电脑的IP地址。
   4. 之后直接运行主方法就可以运行该程序，idea自动打包并发布到远程spark服务器。
   
   注意：你的Windows和虚拟机里面的spark所在的linux系统（或者是linux服务器）必须能够互相ping通才行，而且都得关闭防火墙，因为他们相互之间需要通信。