在IDEA运行spark程序（搭建Spark开发环境）

wanglingli95

已于 2024-04-18 15:43:01 修改

阅读量2.3w

点赞数 35

分类专栏：大数据开发文章标签： intellij-idea java ide spark 大数据

于 2023-11-01 15:56:32 首次发布

本文链接：https://blog.csdn.net/wanglingli95/article/details/134154006

版权

大数据开发专栏收录该内容

14 篇文章

订阅专栏

本文详细指导如何在Linux上搭建Hadoop和Spark分布式集群环境，以及如何在IDEA中配置开发环境，包括JDK、IDEA、Scala、Scala插件、Maven的安装与配置，以及如何在POM.xml中添加Spark依赖和编写Spark程序示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

建议大家写在Linux上搭建好Hadoop的完全分布式集群环境和Spark集群环境，以下在IDEA中搭建的环境仅仅是在window系统上进行spark程序的开发学习，在window系统上可以不用安装hadoop和spark，spark程序可以通过pom.xml的文件配置，添加spark-core依赖，可以直接在IDEA中编写spark程序并运行结果。

一、相关软件的下载及环境配置

1.jdk的下载安装及环境变量配置（我选择的版本是jdk8.0（即jdk1.8），建议不要使用太高版本的，不然配置pom.xml容易报错）

链接：https://pan.baidu.com/s/1deXf6pgMiRca1O724fUOxg
提取码：sxuy

双击安装包，一直“Next”即可，最好不要安装到C盘，中间修改一下安装路径即可，最后点击“Finish”。我将jdk1.8安装在了D盘目录下的soft文件夹，bin路径如下：

配置环境变量：

win+R打开命令窗口输入：javac -verison ，进行检测是否成功配置环境变量：

2.IDEA的下载安装（我选择的版本是2019.2.3，建议选择低版本的IDEA）

官网下载地址：IntelliJ IDEA – 领先的 Java 和 Kotlin IDE (jetbrains.com.cn)

3.scala的下载（我选择的版本是2.12.15）安装及环境变量的配置

官网下载地址：The Scala Programming Language (scala-lang.org)

双击打开下载好的安装程序，一直“Next”即可，最好不要安装到C盘，中间修改一下安装路径即可，最后点击“Finish”。我将scala软件安装在了D盘目录下的Develop文件夹，bin路径如下：

配置scala的系统环境变量，将scala安装的bin目录路径加入到系统环境变量path中：

win+R打开命令窗口输入：scala -verison ，进行检测是否成功配置环境变量：

4.scala插件（版本要与IDEA版本保持一致，下载2019.2.3版本）的下载安装

官网地址：Scala - IntelliJ IDEs Plugin | Marketplacehttps://plugins.jetbrains.com/plugin/1347-scala/versions/stable

下载完成后，将下载的压缩包解压到IDEA安装目录下的plugins目录下：

5.maven的下载（我选择的版本是3.5.4）与安装，系统环境变量的配置

官网地址:Maven – Download Apache Maven

将对应版本的压缩包下载到本地,并新建一个文件夹Localwarehouse，用来保存下载的依赖文件

配置maven的系统环境配置，跟以上配置的方法一样，将bin目录地址写入path环境变量：

打开maven安装包下的conf文件夹下面的settings.xml,添加如下代码：

<localRepository>D:\\Develop\\maven\\Localwarehouse</localRepository>

在settings.xml配置文件中找到mirrors节点，添加阿里云仓库代码，具体代码如下配置（注意要添加在<mirrors>和</mirrors>两个标签之间）：

<!-- 阿里云仓库 -->
<mirror>
	<id>alimaven</id>
	<mirrorOf>central</mirrorOf>
	<name>aliyun maven</name>
	<url>http://maven.aliyun.com/nexus/content/repositories/central/</url>
</mirror>

添加如下代码用来配置jdk版本：

   <profile>
    <id>jdk-1.8.0</id>
    <activation>
    <activeByDefault>true</activeByDefault>
    <jdk>1.8.0</jdk>
    </activation>
    <properties>
    <maven.compiler.source>1.8.0</maven.compiler.source>
    <maven.compiler.target>1.8.0</maven.compiler.target>
    <maven.compiler.compilerVersion>1.8.0</maven.compiler.compilerVersion>
    </properties>
    </profile>

二、将maven加载到IDEA中

三、检测scala插件是否在IDEA中已经安装成功

四、用maven新建一个工程项目

五、配置pom.xml文件

1.如果只需要在本地运行spark程序，则只需要添加scala-library、spark-core、spark-sql、spark-streaming等依赖，添加代码如下：

<properties>
        <!-- 声明scala的版本 -->
        <scala.version>2.12.15</scala.version>
        <!-- 声明linux集群搭建的spark版本，如果没有搭建则不用写 -->
        <spark.version>3.2.1</spark.version>
        <!-- 声明linux集群搭建的Hadoop版本 ，如果没有搭建则不用写-->
        <hadoop.version>3.1.4</hadoop.version>
    </properties>
    <dependencies>
        <!--scala-->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.2.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.12</artifactId>
            <version>3.2.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.12</artifactId>
            <version>3.2.1</version>
            <scope>provided</scope>
        </dependency>
    </dependencies>

六、新建scala类文件编写代码

当你右键发现无法新建scala类，需要将scala SDK添加到当前项目中。

鼠标点击java文件夹，右键new--->Scala Class

在WordCount文件中编写如下代码：

import org.apache.spark.sql.SparkSession
object WordCount {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession
      .builder()
      .master("local[*]")
      .appName("word count")
      .getOrCreate()
    val sc = spark.sparkContext
    val rdd = sc.textFile("data/input/words.txt")
    val counts = rdd.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
    counts.collect().foreach(println)
    println("全部的单词数："+counts.count())
    counts.saveAsTextFile("data/output/word-count")
  }
}

准备好测试文件words.txt,将文件存放在scalaproject-->data-->input-->words.txt

hello me you her
hello me you
hello me
hello

运行WordCount程序

运行结果：

七、其他注意事项

如果运行spark程序，控制台有输出 “Could not locate executable null\bin\winutils.exe in the Hadoop binaries”错误提示，解决方案请参考以下文章：

https://blog.csdn.net/hyj_king/article/details/104299371https://blog.csdn.net/hyj_king/article/details/104299371

winuntils.exe下载地址：

GitHub - cdarlint/winutils: winutils.exe hadoop.dll and hdfs.dll binaries for hadoop windowswinutils.exe hadoop.dll and hdfs.dll binaries for hadoop windows - cdarlint/winutilshttps://github.com/cdarlint/winutils

如果运行你的spark程序，在控制台上打印出很多info信息，解决方案请参考以下文章：

Spark控制台不打印INFO，只输出结果_no custom resources configured for spark.driver.-CSDN博客https://blog.csdn.net/weixin_44328257/article/details/125846290