IDEA开发Spark应用实战(Scala)

欢迎访问我的GitHub

这里分类和汇总了欣宸的全部原创(含配套源码)：https://github.com/zq2599/blog_demos

• Scala语言在函数式编程方面的优势适合Spark应用开发，IDEA是我们常用的IDE工具，今天就来实战IDEA开发Scala版的Spark应用；

版本信息

• 以下是开发环境：

1. 操作系统：win10；
2. JDK：1.8.0_191；
3. IntelliJ IDEA：2018.2.4 (Ultimate Edition)

• 以下是运行环境：

1. Spark：2.3.3；
2. Scala：2.11.12；
3. Hadoop：2.7.7；

• 如果您想在几分钟之内搭建好Spark集群环境，请参考《docker下，极速搭建spark集群(含hdfs集群)》；

下载Spark安装包

• 去spark官网下载spark安装包，里面有开发时所需的库，如下图，地址是：http://spark.apache.org/downloads.html
  

• 将下载好的文件解压，例如我这里解压后所在目录是：C:\software\spark-2.3.3-bin-hadoop2.7

IDEA安装scala插件

• 打开IDEA，选择"Configure"->“Plugins”，如下图：
  

• 如下图，在红框1输入"scala"，点击红框2，开始在中央仓库说搜索：
  

• 在搜索结果中选中"scala"，再点击右侧的"Install"，如下：
  

• 等待在线安装成功后，点击"Restart IntelliJ IDEA"，如下：
  

新建scala工程

• 点击下图红框，创建一个新工程：
  

• 在弹出窗口中选择"Scala"->“IDEA”，如下图：
  

• 如下图，在红框1中输入项目名称，点击红框2，选择Scala SDK：
  

• 在弹出的窗口选择"2.11.12"版本，如下图：
  

• 点击下图红中的"Finish"，完成工程创建：
  

• 工程创建成功了，接下来是添加spark库，点击"File"->“Project Structure”，如下图：
  

• 在弹出窗口选择新增一个jar库，如下图：
  

• 在弹出窗口选择前面安装的spark-2.3.3-bin-hadoop2.7文件夹下面的jar文件夹，如下：
  

• 如下图，弹出的窗口用来选择模块，就选工程目录即可：
  

• 至此，整个spark开发环境已经设置好了，现在写一个demo试试，创建一个object，源码如下：

package com.bolingcavalry.sparkscalademo.app

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

/**
  * @Description: 第一个scala语言的spark应用
  * @author: willzhao E-mail: zq2599@gmail.com
  * @date: 2019/2/16 20:23
  */
object FirstDemo {
  def main(args: Array[String]): Unit={
    val conf = new SparkConf()
      .setAppName("first spark app(scala)")
      .setMaster("local[1]");

    new SparkContext(conf)
      .parallelize(List(1,2,3,4,5,6))
      .map(x=>x*x)
      .filter(_>10)
      .collect()
      .foreach(println);
  }
}

• 以上代码的功能很简单：创建用一个数组，将每个元素做平方运算，再丢弃小于10的元素，然后逐个打印出来；
• 代码完成后，点击右键选择"Run FirstDemo"，即可立即在本机运行，如下图：

• 由于windows环境并没有做hadoop相关配置，因此控制台上会有错误堆栈输出，但这些信息并不影响程序运行(本例没有用到hadoop)，输出如下，可见结果已经被打印出来(16、25、36)：

2019-02-17 09:04:21 INFO  TaskSchedulerImpl:54 - Removed TaskSet 0.0, whose tasks have all completed, from pool 
2019-02-17 09:04:21 INFO  DAGScheduler:54 - ResultStage 0 (collect at FirstDemo.scala:20) finished in 0.276 s
2019-02-17 09:04:21 INFO  DAGScheduler:54 - Job 0 finished: collect at FirstDemo.scala:20, took 0.328611 s
16
25
36
2019-02-17 09:04:21 INFO  SparkContext:54 - Invoking stop() from shutdown hook
2019-02-17 09:04:21 INFO  AbstractConnector:318 - Stopped Spark@452ba1db{HTTP/1.1,[http/1.1]}{0.0.0.0:4040}
2019-02-17 09:04:21 INFO  SparkUI:54 - Stopped Spark web UI at http://DESKTOP-82CCEBN:4040
2019-02-17 09:04:21 INFO  MapOutputTrackerMasterEndpoint:54 - MapOutputTrackerMasterEndpoint stopped!
2019-02-17 09:04:21 INFO  MemoryStore:54 - MemoryStore cleared
2019-02-17 09:04:21 INFO  BlockManager:54 - BlockManager stopped
2019-02-17 09:04:21 INFO  BlockManagerMaster:54 - BlockManagerMaster stopped
2019-02-17 09:04:21 INFO  OutputCommitCoordinator$OutputCommitCoordinatorEndpoint:54 - OutputCommitCoordinator stopped!
2019-02-17 09:04:21 INFO  SparkContext:54 - Successfully stopped SparkContext
2019-02-17 09:04:21 INFO  ShutdownHookManager:54 - Shutdown hook called
2019-02-17 09:04:21 INFO  ShutdownHookManager:54 - Deleting directory C:\Users\12167\AppData\Local\Temp\spark-4bbb584a-c7c2-4dc8-9c7e-473de7f8c326

Process finished with exit code 0

构建打包，提交到spark环境运行

• 生产环境下一般是将应用构建打包成jar，放到spark集群中运行，所以我们来操作构建打包；

• 在菜单上选择"File"->“Project Structure”，弹出窗口点击"Artifacts"，选择新增jar，如下图：
  

• 如下图，在弹出的窗口中，红框1位置输入要运行的class，红框2选择的是单选框的第二个"copy to the output …"：
  

• 在菜单上选择"Build"->“Build Artifacts…”，如下图：
  

• 在弹出的菜单中选择"sparkscalademo:jar"->“Rebuild”，如下：
  

• 如果编译成功，在项目的out\artifacts目录下就会生成文件sparkscalademo.jar，如下：
  

• 将文件上传到spark服务器上，执行提交命令：

spark-submit --class com.bolingcavalry.sparkscalademo.app.FirstDemo /root/jars/sparkscalademo.jar

• 控制台会显示运行信息和结果，如下图：
  

• 至此，idea开发spark应用实战就完成了，希望在您配置开发环境的时候本文能够提供一些参考；

欢迎关注华为云博客：程序员欣宸

学习路上，你不孤单，欣宸原创一路相伴…