5.9 KiB
Spark开发环境搭建
一、安装Spark二、词频统计案例
三、Scala开发环境配置
一、安装Spark
1.1 下载并解压
官方下载地址：http://spark.apache.org/downloads.html ，选择Spark版本和对应的Hadoop版本后再下载：
解压安装包：
# tar -zxvf spark-2.2.3-bin-hadoop2.6.tgz
1.2 配置环境变量
# vim /etc/profile
添加环境变量：
export SPARK_HOME=/usr/app/spark-2.2.3-bin-hadoop2.6
export PATH=${SPARK_HOME}/bin:$PATH
使得配置的环境变量立即生效：
# source /etc/profile
1.3 Local模式
Local 模式是最简单的一种运行方式，它采用单节点多线程方式运行，不用部署，开箱即用，适合日常测试开发。
# 启动spark-shell
spark-shell --master local[2]
- local：只启动一个工作线程；
- local[k]：启动k个工作线程；
- local[*]：启动跟cpu数目相同的工作线程数。
进入spark-shell后，程序已经自动创建好了上下文SparkContext，等效于执行了下面的Scala代码：
val conf = new SparkConf().setAppName("Spark shell").setMaster("local[2]")
val sc = new SparkContext(conf)
二、词频统计案例
安装完成后可以先做一个简单的词频统计例子，感受spark的魅力。准备一个词频统计的文件样本wc.txt，内容如下：
hadoop,spark,hadoop
spark,flink,flink,spark
hadoop,hadoop
在scala交互式命令行中执行如下Scala语句：
val file = spark.sparkContext.textFile("file:///usr/app/wc.txt")
val wordCounts = file.flatMap(line => line.split(",")).map((word => (word, 1))).reduceByKey(_ + _)
wordCounts.collect
执行过程如下，可以看到已经输出了词频统计的结果：
同时还可以通过Web UI查看作业的执行情况，访问端口为4040：
三、Scala开发环境配置
Spark是基于Scala语言进行开发的，分别提供了基于Scala、Java、Python语言的API，如果你想使用Scala语言进行开发，则需要搭建Scala语言的开发环境。
3.1 前置条件
Scala的运行依赖于JDK，所以需要你本机有安装对应版本的JDK，最新的Scala 2.12.x需要JDK 1.8+。
3.2 安装Scala插件
IDEA默认不支持Scala语言的开发，需要通过插件进行扩展。打开 IDEA，依次点击 File => settings=> plugins 选项卡，搜索Scala插件(如下图)。找到插件后进行安装，并重启IDEA使得安装生效。
3.3 创建Scala项目
在IDEA中依次点击 File => New => Project 选项卡，然后选择创建Scala—IDEA工程：
3.4 下载Scala SDK
1. 方式一
此时看到Scala SDK为空，依次点击Create => Download ，选择所需的版本后，点击OK按钮进行下载，下载完成点击Finish进入工程。
2. 方式二
方式一是Scala官方安装指南里使用的方式，但下载速度通常比较慢，且这种安装下并没有直接提供Scala命令行工具。所以个人推荐到官网下载安装包进行安装，下载地址：https://www.scala-lang.org/download/
这里我的系统是Windows，下载msi版本的安装包后，一直点击下一步进行安装，安装完成后会自动配置好环境变量。
由于安装时已经自动配置好环境变量，所以IDEA会自动选择对应版本的SDK。
3.5 创建Hello World
在工程 src目录上右击 New => Scala class 创建Hello.scala。输入代码如下，完成后点击运行按钮，成功运行则代表搭建成功。
3.6 切换Scala版本
在日常的开发中，由于对应软件（如Spark）的版本切换，可能导致需要切换Scala的版本，则可以在Project Structures中的Global Libraries选项卡中进行切换。
3.7 可能出现的问题
在IDEA中有时候重新打开项目后，右击并不会出现新建scala文件的选项，或者在编写时没有Scala语法提示，此时可以先删除Global Libraries中配置好的SDK，之后再重新添加：
另外在IDEA中以本地模式运行Spark项目是不需要在本机搭建Spark和Hadoop环境的。