在Windows下用Eclipse开发和运行Spark程序

我们想现在windows环境下开发调试好spark程序，然后打包，最后放到linux spark集群环境去运行。

Windows环境准备

• 准备好Eclipse开发环境，最好是支持scala语言的。可以到scala的官网上下载：http://scala-lang.org/download/
  

• 下载Spark的assembly开发jar包：http://spark.apache.org/downloads.html
  
  解压后，找到spark-1.5.0-bin-hadoop2.6\lib\spark-assembly-1.5.0-hadoop2.6.0.jar，创建spark工程的时候需要导入

• 下载Hadoop的bin包：http://mirror.bit.edu.cn/apache/hadoop/common/hadoop-2.6.0/ ，解压后，在windows中增加环境变量HADOOP_HOME，值为解压后的目录
  

• 下载winutils.exe：http://download.csdn.net/detail/luoyepiaoxin/8860031 ，将其放到$HADOOP_HOME/bin/目录下

Windows本地测试运行

可以参考文章：http://blog.csdn.net/pangjiuzala/article/details/50389823，其中logFile指定的地址根据你Hadoop环境上的地址和端口进行修改

打包

为了可以选择哪些第三方库打进jar包，我们需要安装Fat Jar Eclipse插件。

• 由于我们下载的Scala Eclipse版本较高，最新的Fat Jar不支持，请参考这篇文章进行安装 Fat Jar：http://blog.csdn.net/gfxjj123/article/details/51163453 。安装插件的时候，请注意看Eclipse右下角的进度条。
• 安装好Fat Jar之后，具体怎么打包，可以参考这篇文章：http://jingyan.baidu.com/article/da1091fbd7dae1027849d63b.html 。 这里需要注意，我们打完jar包后，是通过spark-submit脚本提交给spark集群，在Fat Jar打包界面中，不要选择One-JAR选项。
  

提交Spark集群

在spark集群中的一台机器上执行类似于这样的命令：

spark-submit --class com.zxhy.LocalWordCount --master yarn --deploy-mode client --executor-memory 1g --num-executors 3 --name wordcount --conf "spark.app.id=Localwordcount" /home/hadoop/localwordcount_fat.jar

spark-submit参数的含义请参考官方文档：http://spark.apache.org/docs/latest/submitting-applications.html