环境:IntelliJ IDEA
版本:Spark-2.2.1 Scala-2.11.0
利用 Maven 第一次创建 Scala 项目也遇到了许多坑
创建一个 Scala 的 WordCount 程序
第一步:IntelliJ IDEA下安装 Scala 插件
安装完 Scala 插件完成
第二步:Maven 下 Scala 下的项目创建
正常创建 Maven 项目(不会的看另一篇 Maven 配置)
第三步:Scala 版本的下载及配置
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“下载2.11.0
根据自己的系统下载相应的版本
接下来就是配置Scala 的环境变量(跟 jdk 的配置方法一样)
输入 Scala -version 查看是否配置成功 会显示 Scala code runner version 2.11.0 – Copyright 2002-2013, LAMP/EPFL
选择自己安装 Scala 的路径
第四步:编写 Scala 程序
将其他的代码删除,不然在编辑的时候会报错
配置 pom.xml文件
在里面添加一个 Spark
2.11.0
2.2.1
org.apache.spark
spark-core_2.11
${spark.version}
具体的 pom.xml 内容
4.0.0
cn.spark
Spark
1.0-SNAPSHOT
2008
2.11.0
2.2.1
scala-tools.org
Scala-Tools Maven2 Repository
http://scala-tools.org/repo-releases
org.scala-lang
scala-library
${scala.version}
org.apache.spark
spark-core_2.11
${spark.version}
junit
junit
4.4
test
org.specs
specs
1.2.5
test
src/main/scala
src/test/scala
org.scala-tools
maven-scala-plugin
compile
testCompile
${scala.version}
-target:jvm-1.5
org.apache.maven.plugins
maven-eclipse-plugin
true
ch.epfl.lamp.sdt.core.scalabuilder
ch.epfl.lamp.sdt.core.scalanature
org.eclipse.jdt.launching.JRE_CONTAINER
ch.epfl.lamp.sdt.launching.SCALA_CONTAINER
org.scala-tools
maven-scala-plugin
${scala.version}
编写 WordCount 文件
package cn.spark
import org.apache.spark.{SparkConf, SparkContext}
/**
* Created by hubo on 2018/1/13
*/
object WordCount {
def main(args: Array[String]) {
var masterUrl = "local"
var inputPath = "/Users/huwenbo/Desktop/a.txt"
var outputPath = "/Users/huwenbo/Desktop/out"
if (args.length == 1) {
masterUrl = args(0)
} else if (args.length == 3) {
masterUrl = args(0)
inputPath = args(1)
outputPath = args(2)
}
println(s"masterUrl:$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)
}
}
var masterUrl = “local”
local代表自己本地运行,在 hadoop 上运行添加相应地址
在配置中遇到的错误,会写在另一篇文章里。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。