1.工具版本说明
Intellij IDE 官网下载安装，此处省略...
JDK Version: 1.8.0_151 （提前安装好）
Intellij IDE Version:
以下3个无需单独下载安装，在intellij中以插件形式安装：
Scala Version: 2.11.0
Spark Version: 2.1.1
SBT Version: 0.13.17
2. Scala插件安装
IntelliJ IDEA-> Perferences -> Plugins -> 搜索 Scala
安装后如图：
3. 创建Scala项目（SBT)
注意：SBT版本号选择0.13.x版本，不用选择1.0+版本（会报一个idle_shell找不到的异常）
4.SBT资源库配置为国内
默认SBT访问国外资源网站下载资源是超级慢的，将其改为国内镜像
在目录(mac电脑) ：/Users/lewis.lht/.sbt目录下新建文件repositories，添加内容为（以下内容[]部分不用修改）：
local
alibaba:http://maven.aliyun.com/nexus/content/groups/public/
alibaba-ivy:http://maven.aliyun.com/nexus/content/groups/public/, [organization]/[module]/(scala_[scalaVersion]/)(sbt_[sbtVersion]/)[revision]/[type]s/[artifact](-[classifier]).[ext]
repo2:http://repo2.maven.org/maven2/
ivy-typesafe:http://dl.bintray.com/typesafe/ivy-releases, [organization]/[module]/(scala_[scalaVersion]/)(sbt_[sbtVersion]/)[revision]/[type]s/[artifact](-[classifier]).[ext]
ivy-sbt-plugin:http://dl.bintray.com/sbt/sbt-plugin-releases/, [organization]/[module]/(scala_[scalaVersion]/)(sbt_[sbtVersion]/)[revision]/[type]s/[artifact](-[classifier]).[ext]
typesafe-releases: http://repo.typesafe.com/typesafe/releases
typesafe-ivy-releasez: http://repo.typesafe.com/typesafe/ivy-releases, [organization]/[module]/(scala_[scalaVersion]/)(sbt_[sbtVersion]/)[revision]/[type]s/[artifact](-[classifier]).[ext]5.修改src和test目录分别为sources root
不知何原因，我新建的scala项目的src/main/scala和src/test/scala默认非sources root，将其修改为sources root。否则无法新建scala class文件和packages
a) 选中/src/main/scala目录后，右键Make Directory as->Sources Root
b) 选中/src/test/scala目录后，右键Make Directory as->Test Sources Root
6.在sbt配置文件build.sbt中，添加Spark依赖
build.sbt
name := "sparkexcercise"
version := "0.1"
scalaVersion := "2.11.0"
libraryDependencies += "org.apache.spark" %% "spark-sql" % "2.1.1"如图示：
7.sbt执行编译
打开SBT Projects面板，选择刷新按钮(Refresh all SBT Projects)或者打开SBT SHELL窗口，执行compile命令，完成依赖包下载和项目编译
编译成功后如下图：
8.新建Spark Hello Word Object，并复制下面代码：
package org.lewis
import org.apache.spark.sql.SparkSession
object HelloWorld {
def main(args: Array[String]): Unit = {
if (args.size == 0) {
println("input file path !")
System.exit(1)
}
val fpath = args(0)
val spark = SparkSession
.builder
.appName("HdfsHelloWorld")
.getOrCreate()
val file = spark.read.textFile(fpath).rdd
//flatMap将一个输入元素rdd，转为多个元素rdd
val m = file.flatMap(line => line.split(" "))
//为每个word，赋值其个数为1，转为pair rdd
val g = m.map((_, 1))
//val g = m.map(word=>(word,1))
// 等价于这种写法，_代表当前元素
//按照word为key进行reduce，并对其value累加，(x,y)分别为上一个元素value和当前元素的value
val r = g.reduceByKey(_ + _)
//val r = g.reduceByKey((x,y)=>x+y)
// 等价于这种写法，_代表当前元素
r.collect().foreach(println)
//上面也可以全部简写为：
//file.flatMap(line=>line.split(" ")).map((_,1)).reduceByKey(_+_).collect().foreach(println)
}
}
9.配置Run Config
//采用local本地模式执行，确保你的SparkOverview.txt文件存在
VM options: -Dspark.master=local
Program arguments: /Users/lewis.lht/Downloads/SparkOverview.txt
9.执行
仅演示了local模式运行，故不需要spark集群环境
