Spark入门指南 II - 使用IntelliJ IDEA开发

文章也同时在个人博客 http://kimihe.com/更新

引言

"Apache Spark™ is a fast and general engine for large-scale data processing."

Spark是一种高性能分布式计算框架。它基于RDD使用内存来加速迭代过程。相比于前辈Hadoop,Spark有着更好的性能表现,尤其针对Machine Learning此类典型的应用,提升更为显著。

作为入门指南的第二篇,本文将集中介绍如何使用IntelliJ IDEA进行开发。
前文:《Spark入门指南 I - 使用IntelliJ IDEA开发》

下载IntelliJ IDEA

IntelliJ IDEA 官方链接.

新建Project

  • File -> New -> Project
  • Scale -> SBT或IDEA均可

配置Project

以基于SBT的Project为例,打开build.sbt文件,进行如下配置:

name := "ProjectName"

version := "ProjectVersion"

scalaVersion := "2.11.11"

// additional libraries
libraryDependencies ++= Seq(
  //"org.apache.spark" %% "spark-core" % "2.2.0" % "provided"
  "org.apache.spark" %% "spark-core" % "2.2.0" % "compile",
  "org.apache.spark" % "spark-sql_2.11" % "2.2.0" % "compile"
)

其中ScalaVersion要对应,引官网原文:

Spark runs on Java 8+, Python 2.7+/3.4+ and R 3.1+. For the Scala API, Spark 2.2.0 uses Scala 2.11. You will need to use a compatible Scala version (2.11.x).

Note that support for Java 7, Python 2.6 and old Hadoop versions before 2.6.5 were removed as of Spark 2.2.0.

Note that support for Scala 2.10 is deprecated as of Spark 2.1.0, and may be removed in Spark 2.3.0.

也就是说,我们使用了Spark-2.2.0版本,对应的ScaleVersion就应该设置为2.11系列,因此笔者选择了2.11.11
此外,spark各模块版本也要对应,选择2.2.0。一般而言只需要用到spark-core模块即可。其它模块,如sql,则可以通过上述类似的语句进行添加。而最后的编译项请选择“compiled”。
修改完成后,刷新project,耐心等待IDEA去下载所需要的lib以及依赖。

第一个应用:SparkWordCount

待上述操作执行完毕,便可建立第一个Spark应用。
在Project左侧的层级导航栏中找到src -> main -> scala,右键 -> New -> Scala Class,命名为SparkWordCount。
在原文件中输入如下示例代码:

/**
  * Created by zhouqihua on 2017/8/23.
  */

import org.apache.spark.{SparkContext, SparkConf}
import java.io.File

object SparkWordCount {
  def main(args: Array[String]): Unit = {

    //    val log: Logger = Logger.
    val INPUT_HDFS =  "./INPUT_HDFS"
    val OUTPUT_HDFS = "./OUTPUT_HDFS_WORDCOUNT"

    val outputPath: File = new File(OUTPUT_HDFS)
    if (outputPath.exists())
      deleteDir(outputPath)




      println("************************ Step0: new SparkConf() begin ************************")
    //    val conf = new SparkConf().setMaster("local").setAppName("wordCount")
    val conf = new SparkConf().setAppName("SparkWordCount")
      .setMaster("spark://localhost:7077")
      .setJars(List("/path/to/artifacts.jar"))
      .set("spark.shuffle.compress", "false")
      .set("spark.io.compression.codec", "org.apache.spark.io.LZFCompressionCodec")
    //.set("spark.executor.extraJavaOptions", "-Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=n,address=5005")
    println("************************ Step0: new SparkConf() end ************************")



    println("************************ Step1: new SparkContext(conf) begin ************************")
    // Create a Scala Spark Context.
    val sc = new SparkContext(conf)
    println("************************ Step1: new SparkContext(conf) end ************************")



    println("************************ Step2: SparkContext.textFile(inputFile) begin ************************")
    // Load our input data.
    val input =  sc.textFile(INPUT_HDFS)
    println("************************ Step2: SparkContext.textFile(inputFile) end ************************")



    println("************************ Step3: flatMap begin ************************")
    // Split up into words.
    val words = input.flatMap(line => line.split(" "))
    println("************************ Step3: flatMap end ************************")



    println("************************ Step4: map begin ************************")
    // Transform into word and count.
    val mapWords = words.map(word => (word, 1))
    println("************************ Step4: map end ************************")



    println("************************ Step5: reduceByKey begin ************************")
    val counts = mapWords.reduceByKey{case (x, y) => x + y}
    println("************************ Step5: reduceByKey end ************************")



    println("************************ Step6: saveAsTextFile(outputFile) begin ************************")
    // Save the word count back out to a text file, causing evaluation.
    counts.saveAsTextFile(OUTPUT_HDFS)
    //    val collection = counts.collect()
    //    println(s"Result: $collection")
    println("************************ Step6: saveAsTextFile(outputFile) end ************************")



    println("************************ Step7: Thread Sleep for 100s ... begin ************************")
    Thread.sleep(100000)
    println("************************ Step7: Thread Sleep for 100s ... end ************************")
  }

  def deleteDir(dir: File): Unit = {
    val files = dir.listFiles()
    files.foreach(f => {
      if (f.isDirectory) {
        deleteDir(f)
      } else {
        f.delete()
        println(s"Delete File: ${f.getAbsolutePath}")
      }
    })
    dir.delete()
    println(s"Delete Dir:  ${dir.getAbsolutePath}\n" )
  }
}

备注:笔者加入了一些额外的清理垃圾的语句。

配置打包编译选项

  • File -> Project Structure
  • 在Artifacts中 Add我们刚才新建的应用SparkWordCount,并在右侧勾选“include in project”选项。
  • 最后排除多余的大包依赖,也就是说只保留我们应用的依赖,其余三方库的依赖均可进行删除。

注意:示例代码中的.setJars(List("/path/to/artifacts.jar"))要与打包输出的jar的目录一致。

编译打包运行

观察控制台的输出结果,有一些列信息反馈,即说明一切顺利。
如有报错,很可能就是spark启动错误,或者是打包失败。
读者后续可修改代码以及加入断点来调试程序,以更多地理解其工作流程。

至此,最基本的“使用IntelliJ IDEA进行spark应用的开发”介绍完毕。

总结

作为Spark入门指南的第二篇,本文介绍了如何使用IntelliJ IDEA进行spark应用的开发。
下一篇笔者将讲解Spark集群化部署以及使用Hibench进行SparkBenchmark的测试。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 141,390评论 1 297
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 60,682评论 1 254
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 93,205评论 0 211
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 40,718评论 0 171
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 48,406评论 1 250
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 38,590评论 1 170
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 30,271评论 2 267
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 29,052评论 0 163
  • 想象着我的养父在大火中拼命挣扎,窒息,最后皮肤化为焦炭。我心中就已经是抑制不住地欢快,这就叫做以其人之道,还治其人...
    爱写小说的胖达阅读 28,801评论 6 227
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 32,404评论 0 212
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 29,176评论 2 212
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 30,489评论 1 222
  • 白月光回国,霸总把我这个替身辞退。还一脸阴沉的警告我。[不要出现在思思面前, 不然我有一百种方法让你生不如死。]我...
    爱写小说的胖达阅读 24,156评论 0 31
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 27,031评论 2 210
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 31,402评论 3 201
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 25,583评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 25,927评论 0 163
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 33,352评论 2 228
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 33,478评论 2 229

推荐阅读更多精彩内容