spark学习之IDEA配置spark并wordcount提交集群

这篇文章包括以下内容

(1)IDEA中scala的安装

(2)hdfs简单的使用，没有写它的部署

(3) 使用scala编写简单的wordcount，输入文件和输出文件使用参数传递

(4)IDEA打包和提交方法

一  IDEA中scala的安装

(1)   下载IEDA 装jdk

(2)   启动应用程序 选择插件(pluigin)查看scala版本，然后去对应的网站下载https://plugins.jetbrains.com/plugin/1347-scala

(4)   将刚才下载的scala zip文件移动到IDEA的plugin下面

(5)   回到启动页面 选择plugin

选择从磁盘安装，然后重启

(6)新建项目 scala项目 如果没有scala sdk 那么windows下一个导入进去（注意版本一致）

二 提交wordcount并提交jar

(1) 新建Maven项目 

file->project->maven->next-->设置工程名称和路径(路径不要为中文)--->完成

(2)将pol导入依赖，粘贴下面代码以后，需要点击右侧的maven project并刷新

<?xml version="1.0" encoding="UTF-8"?>
<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/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.xuebusi</groupId>
    <artifactId>spark</artifactId>
    <version>1.0-SNAPSHOT</version>

    <properties>
        <maven.compiler.source>1.7</maven.compiler.source>
        <maven.compiler.target>1.7</maven.compiler.target>
        <encoding>UTF-8</encoding>

        <!-- 这里对jar包版本做集中管理 -->
        <scala.version>2.10.6</scala.version>
        <spark.version>1.6.2</spark.version>
        <hadoop.version>2.6.4</hadoop.version>
    </properties>

    <dependencies>
        <dependency>
            <!-- scala语言核心包 -->
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>
        <dependency>
            <!-- spark核心包 -->
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.10</artifactId>
            <version>${spark.version}</version>
        </dependency>

        <dependency>
            <!-- hadoop的客户端,用于访问HDFS -->
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
    </dependencies>

    <build>
        <sourceDirectory>src/main/scala</sourceDirectory>
        <testSourceDirectory>src/test/scala</testSourceDirectory>
        <plugins>
            <plugin>
                <groupId>net.alchim31.maven</groupId>
                <artifactId>scala-maven-plugin</artifactId>
                <version>3.2.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                        <configuration>
                            <args>
                                <arg>-make:transitive</arg>
                                <arg>-dependencyfile</arg>
                                <arg>${project.build.directory}/.scala_dependencies</arg>
                            </args>
                        </configuration>
                    </execution>
                </executions>
            </plugin>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <filters>
                                <filter>
                                    <artifact>*:*</artifact>
                                    <excludes>
                                        <exclude>META-INF/*.SF</exclude>
                                        <exclude>META-INF/*.DSA</exclude>
                                        <exclude>META-INF/*.RSA</exclude>
                                    </excludes>
                                </filter>
                            </filters>
                            <!-- 由于我们的程序可能有很多，所以这里可以不用指定main方法所在的类名，我们可以在提交spark程序的时候手动指定要调用那个main方法 -->
                            <!--
                            <transformers>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                    <mainClass>com.xuebusi.spark.WordCount</mainClass>
                                </transformer>
                            </transformers>
                            -->

                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

这个时候在左侧的依赖就会出现很多maven包，注意要有网络哈

(2)修改pol部分内容如下，错误的内容会出现红色的字样哦

在pom.xml文件中还有错误提示，因为src/main/和src/test/这两个目录下面没有scala目录。

(3) 右击项目src，新建scala class，选择object

(4) 编写代码

import org.apache.spark.rdd.RDD
import org.apache.spark.{SparkConf, SparkContext}

/**
  * Created by SYJ on 2017/1/23.
  */
object WordCount {
  def main(args: Array[String]) {
    //创建SparkConf
    val conf: SparkConf = new SparkConf()
    //创建SparkContext
    val sc: SparkContext = new SparkContext(conf)
    //从文件读取数据
    val lines: RDD[String] = sc.textFile(args(0))
    //按空格切分单词
    val words: RDD[String] = lines.flatMap(_.split(" "))
    //单词计数,每个单词每出现一次就计数为1
    val wordAndOne: RDD[(String, Int)] = words.map((_, 1))
    //聚合,统计每个单词总共出现的次数
    val result: RDD[(String, Int)] = wordAndOne.reduceByKey(_+_)
    //排序,根据单词出现的次数排序
    val fianlResult: RDD[(String, Int)] = result.sortBy(_._2, false)
    //将统计结果保存到文件
    fianlResult.saveAsTextFile(args(1))
    //释放资源
    sc.stop()
  }
}

(5) 打包
将编写好的WordCount程序使用Maven插件打成jar包，打包的时候也要保证电脑能够联网，因为Maven可能会到中央仓库中下载一些依赖：

双击package

打包成功提示

(6) 在jar包上面右击 copy path找到jar在win下的路径并上传到集群

(7) 启动hdfs 因为只用到hdfs，创建一个目录 hdfs dfs -mkdir /wc 然后创建一个txt文件

/hadoop/sbin/start-dfs.sh

 (8)启动集群

/spark/sbin/start-all.sh

 (9) jps查看master和worker是否都起来

(10) 提交给集群 后面两个参数分别为输入输出文件

bin/spark-submit --class spark.wordCount --executor-memory 512m --total-executor-cores 2 /home/hadoop/hadoop/spark-2.3.1-bin-hadoop2.7/spark_testJar/ljSparkCount-1.0-SNAPSHOT.jar hdfs://slave104:9000/wc hdfs://slave104:9000/wc/output

(11)验证

好了，到此结束，加油骚年