到目前为止，基于RDD的spark streamming实时应用和离线应用（主要解析日志）已经写了一些，但是对spark的了解还是很少，所以决心花点精力，对spark做一些比较深入的了解和学习。参照之前hbase的学习经验，感觉除了看一些文章之外，搭建调试环境，碰到问题通过源码去了解细节，对于学习开源产品有着非常重要的作用。所以决定先把spark的本地调试环境搭建起来。
依赖： JDK，maven，scala， IDEA
1， 下载spark源码，并且编译
到github的的spark主页上下载指定branch的源码,并且编译。
|
1
2
|
git clone -b branch-2.1 https://github.com/apache/spark.git
build/mvn -DskipTests clean package
|
2， IDEA添加scala插件，导入spark工程
点击IDEA中的Perferences…，在弹出的如下页面中，搜搜scala，安装即可。安装完毕后，通过File，open spark工程。
3， 启动master和worker
在idea中跳转（Command + O）到master，然后可以直接启动master。同样在跳转到worker中，需要添加一下两个参数后，可以启动worker.
|
1
|
--webui-port 8081 spark://172.17.10.20:7077
|
启动成功后，可以看到如下页面。
至此，spark在本地便跑起来了。
4，小结
总体来说，spark的本地环境搭建还是蛮简单的。中途碰到一些问题，比方说启动的时候，出现Class not found com.google.common.找不到等，可以把对应的scope从provide改成compile. 另外，如果在生产环境碰到问题，可能远程调试更有用，这块暂时还没试。