Win7 64位系统上搭建Spark开发环境（maven构建）

最近由于要使用Spark做POC，在本地搭建了相应的开发环境，Spark本身是使用Scala语言编写的，当然也可以使用java来开发spark项目，但使用scala语言来开发更加简洁，本文在IDEA开发工具中使用Maven来创建Scala工程

1：安装Java SDK，Scala，及IDEA 集成开发环境

JDK下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html

Scala下载地址：http://www.scala-lang.org/download/all.html

Intellij IDEA下载地址：https://www.jetbrains.com/idea/download/download-thanks.html

以下是我测试环境中 java 及 scala的版本：

IDEA使用的是社区版本：IDEA 2017.3.5 (Community Edition)

2：Spark的安装

下载spark：https://spark.apache.org/downloads.html，选择相应的版本，这里选择了2.2.1版本 spark-2.2.1-bin-hadoop2.7，并解压到指定的目录，添加环境变量：

SPARK_HOME：D:Applicationspark-2.2.1-bin-hadoop2.7

并添加以下路径到Path变量中：%SPARK_HOME%in

这样可以在命令行中启动命令：spark-shell

3：Scala插件的安装

 在IDEA中选择 Configure -> Plugins，搜索scala，点击安装：

4：使用Maven来创建Scala 工程

点击 Next，设置好GroupId及ArtifactId，一路点击到结束，期间根据实际情况可以修改Project name及代码的路径，最后生成Scala架构的代码目录及默认的pom.xml文件，在这里需要注意一点，Scala的本机安装的版本和Scala插件的版本不一致的问题，查看生成的默认pom.xml文件如下，发现版本使用的是2.7.0，而前面本机安装的是2.11.8 ，

这样创建的项目运行时会失败，提示 "Error: Could not find or load main class ..."

查看前面安装的Scala版本，相应的修改pom文件中的版本号为2.11.8，这就出现了另外一个问题，从Scala2.9以后，已经废弃了Application类，而是使用了新的类App，于是修改代码

object App extends App {
  println( "Hello World!" )
}

运行项目，单元测试报错，提示scala signature 版本错误，先删除MySpec.scala文件

修改pom文件，

5：添加对spark的支持，本地测试文件单词统计

修改pom.xml

添加属性 spark 版本，为本机安装的spark版本

<spark.version>2.2.1</spark.version>

添加依赖库

<dependency>
  <groupId>org.apache.spark</groupId>
  <artifactId>spark-core_2.11</artifactId>
  <version>${spark.version}</version>
</dependency>

完整的pom.xml如下所示：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
  <modelVersion>4.0.0</modelVersion>
  <groupId>mytest</groupId>
  <artifactId>myproject</artifactId>
  <version>1.0-SNAPSHOT</version>
  <inceptionYear>2008</inceptionYear>
  <properties>
    <scala.version>2.11.8</scala.version>
    <spark.version>2.2.1</spark.version>
  </properties>

  <repositories>
      <repository>
          <id>scala-tools.org</id>
          <name>Scala-Tools Maven2 Repository</name>
          <url>http://scala-tools.org/repo-releases</url>
      </repository>
  </repositories>

  <pluginRepositories>
    <pluginRepository>
      <id>scala-tools.org</id>
      <name>Scala-Tools Maven2 Repository</name>
      <url>http://scala-tools.org/repo-releases</url>
    </pluginRepository>
  </pluginRepositories>

  <dependencies>
    <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.11</artifactId>
      <version>${spark.version}</version>
    </dependency>
    <dependency>
      <groupId>org.scala-lang</groupId>
      <artifactId>scala-library</artifactId>
      <version>${scala.version}</version>
    </dependency>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>4.4</version>
      <scope>test</scope>
    </dependency>
    <dependency>
      <groupId>org.specs</groupId>
      <artifactId>specs</artifactId>
      <version>1.2.5</version>
      <scope>test</scope>
    </dependency>
  </dependencies>

  <build>
    <sourceDirectory>src/main/scala</sourceDirectory>
    <testSourceDirectory>src/test/scala</testSourceDirectory>
    <plugins>
      <plugin>
        <groupId>org.scala-tools</groupId>
        <artifactId>maven-scala-plugin</artifactId>
        <executions>
          <execution>
            <goals>
              <goal>compile</goal>
              <goal>testCompile</goal>
            </goals>
          </execution>
        </executions>
        <configuration>
          <scalaVersion>${scala.version}</scalaVersion>
          <args>
            <arg>-target:jvm-1.5</arg>
          </args>
        </configuration>
      </plugin>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-eclipse-plugin</artifactId>
        <configuration>
          <downloadSources>true</downloadSources>
          <buildcommands>
            <buildcommand>ch.epfl.lamp.sdt.core.scalabuilder</buildcommand>
          </buildcommands>
          <additionalProjectnatures>
            <projectnature>ch.epfl.lamp.sdt.core.scalanature</projectnature>
          </additionalProjectnatures>
          <classpathContainers>
            <classpathContainer>org.eclipse.jdt.launching.JRE_CONTAINER</classpathContainer>
            <classpathContainer>ch.epfl.lamp.sdt.launching.SCALA_CONTAINER</classpathContainer>
          </classpathContainers>
        </configuration>
      </plugin>
    </plugins>
  </build>
  <reporting>
    <plugins>
      <plugin>
        <groupId>org.scala-tools</groupId>
        <artifactId>maven-scala-plugin</artifactId>
        <configuration>
          <scalaVersion>${scala.version}</scalaVersion>
        </configuration>
      </plugin>
    </plugins>
  </reporting>
</project>

修改scala代码，引入spark库：

package mytest

import org.apache.spark._

object wordcount {
  def main(args: Array[String]) {
    var masterUrl = "local[1]"
    var inputPath = "D:\temp\mytext.txt"
    var outputPath = "D:\temp\output"

    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)
  }
}

再次运行工程，可以在窗口中看到已经成功运行spark，对输入的文本进行词汇统计，此时，spark运行的是本地模式，使用的是本地文件作为输入

 在输出目录，可以看到程序运行的结果