作者：周志湖
网名：摇摆少年梦
微信号：zhouzhihubeyond
本节主要内容
- Intellij IDEA 14.1.4开发环境配置
- Spark应用程序开发
1. Intellij IDEA 14.1.4开发环境配置
Intellij IDEA 功能十分强大，能够开发JAVA、Scala等相关应用程序，在依赖管理
智能提示等方面做到了极致，大家可以到:http://www.jetbrains.com/idea/download/下载，目前有两种：Ultimate Edition Free 30-day trial；Community Edition FREE。Ultimate版本是商业软件，需要付费，Community 版为免费版，足够平时日常开发需要。最新的版是 Intellij IDEA 14.1.4，但Intellij IDEA 没有自带scala开发插件，需要手功安装，但本人测试的时候发现，直接在Intellij IDEA中装很难装成功（个中原因大家懂得)，为此本人将带有Scala插件的Intellij IDEA已经打包好了，大家直接下载就可以进行Scala及后期的Spark应用程序开发，下载地址：链接：http://pan.baidu.com/s/1sjmS3jJ 密码：rcsy
当然，上面提供的是Linux环境下的Intellij IDEA。
下载完成后，解压到/hadoopLearning目录，得到
将其设置到环境变量 vim /etc/profile，添加红色下划线内容
然后执行
root@sparkmaster:/hadoopLearning# idea.sh 启动Intellij IDEA，如下图所示（本机上已经创建过scala工程项目)
（1）创建Scala项目
File->new->Project，如下图
选择Scala
然后next
其中Project SDK指定安装的JDK，Scala SDK指定安装的Scala（这里使用的是IDEA自带的scala SDK)，这里将项目名称命令为SparkWordCount，然后finish
在IDEA中开发应用程序时，常常需要通过一定的文件目录组织进行源码编写，例如源文件目录、测试源文件目录，下面演示在Intellij IDEA的src目录下创建main/scala源文件目录。
直接按F4或右鍵点击工程文件
再选择open module setting，打开项目配置，点击src目录，然后右键创建main/scala文件夹，再点击scala文件夹为sources，如下图所示
### （2）导入Spark 1.5.0依赖包
直接F4打开Project Structure，然后选择libraries
点击上图中的+添加外部依赖包，选择”java”，然后再选择spark-assembly-1.5.0-hadoop2.4.0.jar
成功后如下图
至此Spark开发环境配置完成
2. Spark应用程序开发
(1) 本地方式执行Spark WordCount程序
在src/main/scala源文件目录中创建一个SparkWordCount 应用程序对象，编辑内容如下：
import org.apache.spark.SparkContext._
import org.apache.spark.{SparkConf, SparkContext}
object SparkWordCount{
def main(args: Array[String]) {
//输入文件既可以是本地linux系统文件，也可以是其它来源文件，例如HDFS
if (args.length == 0) {
System.err.println("Usage: SparkWordCount <inputfile>")
System.exit(1)
}
//以本地线程方式运行，可以指定线程个数，
//如.setMaster("local[2]")，两个线程执行
//下面给出的是单线程执行
val conf = new SparkConf().setAppName("SparkWordCount").setMaster("local")
val sc = new SparkContext(conf)
//wordcount操作，计算文件中包含Spark的行数
val count=sc.textFile(args(0)).filter(line => line.contains("Spark")).count()
//打印结果
println("count="+count)
sc.stop()
}
}编译代码，直接Build->Make Project
然后编程运行参数，Run->Edit Configurations
Main Class输入：SparkWordCount
Program arguments输入：/hadoopLearning/spark-1.5.0-bin-hadoop2.4/README.md
如下图：
完成后直接Run->Run或Alt+Shift+F10运行程序，执行结果如下图：
(2) Spark集群上执行Spark WordCount程序
将SparkWordCount打包成Jar文件
将程序内容修改如下：
import org.apache.spark.SparkContext._
import org.apache.spark.{SparkConf, SparkContext}
object SparkWordCount{
def main(args: Array[String]) {
//输入文件既可以是本地linux系统文件，也可以是其它来源文件，例如HDFS
if (args.length == 0) {
System.err.println("Usage: SparkWordCount <inputfile> <outputfile>")
System.exit(1)
}
val conf = new SparkConf().setAppName("SparkWordCount")
val sc = new SparkContext(conf)
//rdd2为所有包含Spark的行
val rdd2=sc.textFile(args(0)).filter(line => line.contains("Spark"))
//保存内容，在例子中是保存在HDFS上
rdd2.saveAsTextFile(args(1))
sc.stop()
}
}点击工程SparkWordCount，然后按F4打个Project Structure并选择Artifacts，如下图
选择Jar->form modules with dependencies，如下图
进入下面的界面
在main class中，选择SparkWordCount，如下图
点击确定后得到如下界面
因为后期提交到集群上运行，因此相关jar包都存在，为减小jar包的体积，将spark-assembly-1.5.0-hadoop2.4.0.jar等jar包删除即可，如下图
确定后，再点击Build->Build Artifacts
生成后的jar文件保存在root@sparkmaster:~/IdeaProjects/SparkWordCount/out/artifacts/SparkWordCount_jar# 目录中，如下图：
提交集群运行
./spark-submit --master spark://sparkmaster:7077 --class SparkWordCount --executor-memory 1g /root/IdeaProjects/SparkWordCount/out/artifacts/SparkWordCount_jar/SparkWordCount.jar hdfs://ns1/README.md hdfs://ns1/SparkWordCountResult
将任务提交到集群：
执行结果：
HDFS文件已经生成了SparkWordCountResult
使用
root@sparkmaster:/hadoopLearning/spark-1.5.0-bin-hadoop2.4/bin# hadoop dfs -ls /SparkWordCountResult
root@sparkmaster:/hadoopLearning/spark-1.5.0-bin-hadoop2.4/bin# hadoop dfs -cat /SparkWordCountResult/part-00000
查看目录内容，具体结果如下图所示：
