Spark2.2,IDEA,Maven开发环境搭建附测试

前言：

　　停滞了一段时间，现在要沉下心来学习点东西，出点货了。

　　本文没有JavaJDK ScalaSDK和 IDEA的安装过程，网络上会有很多文章介绍这个内容，因此这里就不再赘述。

一、在IDEA上安装Scala插件

首先打开IDEA，进入最初的窗口，选择Configure -——>Plugins

然后会看到下面的窗口：

此时我们选择‘Browse Repositories …’，然后输入Scala，

找到下图这一项，点击“install”即可

安装完成后，请重启IDEA。

二、创建一个Scala工程

依次点击Create New Project  ——>Scala——>IDEA——>Next

 

然后我们需要点击create，增加相应的SDK版本及位置。

自己填写好其他信息后就可以，点击Finish了。

三、添加Maven框架以及编写pom.xml

首先右键项目名然后选择Add Framework Support...

然后找到maven打钩，点击Ok即可.

 

接下来，编写Pom.xml,如下：

<?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.sudy</groupId>
    <artifactId>SparkStudy</artifactId>
    <version>1.0-SNAPSHOT</version>

  
    <properties>
        <spark.version>2.2.0</spark.version>
        <scala.version>2.11</scala.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-hive_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-mllib_${scala.version}</artifactId>
            <version>${spark.version}</version>
        </dependency>


    </dependencies>


    <build>
        <plugins>
            <plugin>
                <groupId>org.scala-tools</groupId>
                <artifactId>maven-scala-plugin</artifactId>
                <version>2.15.2</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>compile</goal>
                            <goal>testCompile</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>

            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.6.0</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                </configuration>
            </plugin>


            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-surefire-plugin</artifactId>
                <configuration>
                    <skip>true</skip>
                </configuration>
            </plugin>

        </plugins>
    </build>


</project>

四、添加winutils.exe文件

winutils.exe下载地址：

https://codeload.github.com/srccodes/hadoop-common-2.2.0-bin/zip/master

解压后，记住放入的路径就好。

五、使用local模式测试环境是否搭建成功？

右键java文件夹，依次点击New——>Scala Class

然后选择Object,输入名称即可。

写入测试代码：

 测试代码部分可以参照我之前写的一篇博客的后半部分：

分别使用Hadoop和Spark实现二次排序

 为了大家方便这里复制出代码和测试文本：

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

object SecondarySort {
  def main(args: Array[String]) {
    System.setProperty("hadoop.home.dir", "D:\hadoop-common-2.2.0-bin-master")
    val conf = new SparkConf().setAppName(" Secondary Sort ")
      .setMaster("local")
    var sc = new SparkContext(conf)
    sc.setLogLevel("Warn")
    //val file = sc.textFile("hdfs://localhost:9000/Spark/SecondarySort/Input/SecondarySort2.txt")
    val file = sc.textFile("d:\TestData\SecondarySort.txt")
    val rdd = file.map(line => line.split(","))
      .map(x=>((x(0),x(1)),x(3))).groupByKey().sortByKey(false)
      .map(x => (x._1._1+"-"+x._1._2,x._2.toList.sortWith(_>_)))
    rdd.foreach(
      x=>{
        val buf = new StringBuilder()
        for(a <- x._2){
          buf.append(a)
          buf.append(",")
        }
        buf.deleteCharAt(buf.length()-1)
        println(x._1+" "+buf.toString())
      })
    sc.stop()
  }
}

测试文本如下:

2000,12,04,10
2000,11,01,20
2000,12,02,-20
2000,11,07,30
2000,11,24,-40
2012,12,21,30
2012,12,22,-20
2012,12,23,60
2012,12,24,70
2012,12,25,10
2013,01,23,90
2013,01,24,70
2013,01,20,-10

注意：

D:\hadoop-common-2.2.0-bin-master 是我解压后放入的路径。

d:\TestData\SecondarySort.txt 是测试数据的位置，用于程序的运行。


好了，这篇文章结束了，剩下就是你的动手操作了。

数据科学交流群，群号：189158789 ，欢迎各位对数据科学感兴趣的小伙伴的加入！

参考：

2017.10最新Spark、IDEA、Scala环境搭建

【spark】创建一个基于maven的spark项目所需要的pom.xml文件模板

java.io.IOException: Could not locate executable nullinwinutils.exe in the Hadoop binaries