如何在IDEA运行spark程序(搭建Spark开发环境)
作者：wanglingli95
建议大家写在Linux上搭建好Hadoop的完全分布式集群环境和Spark集群环境，以下在IDEA中搭建的环境仅仅是在window系统上进行spark程序的开发学习，在window系统上可以不用安装hadoop和spark，spark程序可以通过pom.xml的文件配置，添加spark-core依赖，可以直接在IDEA中编写spark程序并运行结果。
一、相关软件的下载及环境配置
1.jdk的下载安装及环境变量配置（我选择的版本是jdk8.0（即jdk1.8），建议不要使用太高版本的，不然配置pom.xml容易报错）
链接: https://pan.baidu.com/s/1ARiP-XX-0yi4Ev2y8BEfyA?pwd=r64b
提取码: r64b
双击安装包，一直“Next”即可，最好不要安装到C盘，中间修改一下安装路径即可，最后点击“Finish”。我将jdk1.8安装在了D盘目录下的soft文件夹，bin路径如下：
配置环境变量：
win+R打开命令窗口输入：javac -verison ，进行检测是否成功配置环境变量：
2.IDEA的下载安装（我选择的版本是2019.2.3，建议选择低版本的IDEA）
官网下载地址：IntelliJ IDEA – 领先的 Java 和 Kotlin IDE (jetbrains.com.cn)
3.scala的下载（我选择的版本是2.12.15）安装及环境变量的配置
官网下载地址：The Scala Programming Language (scala-lang.org)
双击打开下载好的安装程序，一直“Next”即可，最好不要安装到C盘，中间修改一下安装路径即可，最后点击“Finish”。我将scala软件安装在了D盘目录下的Develop文件夹，bin路径如下：
配置scala的系统环境变量，将scala安装的bin目录路径加入到系统环境变量path中：
win+R打开命令窗口输入：scala -verison ，进行检测是否成功配置环境变量：
4.scala插件（版本要与IDEA版本保持一致，下载2019.2.3版本）的下载安装
官网地址：Scala - IntelliJ IDEs Plugin | Marketplace
下载完成后，将下载的压缩包解压到IDEA安装目录下的plugins目录下：
5.maven的下载（我选择的版本是3.5.4）与安装，系统环境变量的配置
官网地址:Maven – Download Apache Maven
将对应版本的压缩包下载到本地,并新建一个文件夹Localwarehouse，用来保存下载的依赖文件
配置maven的系统环境配置，跟以上配置的方法一样，将bin目录地址写入path环境变量：
打开maven安装包下的conf文件夹下面的settings.xml,添加如下代码：
<localRepository>D:\\Develop\\maven\\Localwarehouse</localRepository>
添加如下代码用来配置jdk版本：
<profile>
<id>jdk-1.8.0</id>
<activation>
<activeByDefault>true</activeByDefault>
<jdk>1.8.0</jdk>
</activation>
<properties>
<maven.compiler.source>1.8.0</maven.compiler.source>
<maven.compiler.target>1.8.0</maven.compiler.target>
<maven.compiler.compilerVersion>1.8.0</maven.compiler.compilerVersion>
</properties>
</profile>
二、将maven加载到IDEA中
三、检测scala插件是否在IDEA中已经安装成功
四、用maven新建一个工程项目
五、配置pom.xml文件
1.如果只需要在本地运行spark程序，则只需要添加scala-library、spark-core、spark-sql、spark-streaming等依赖，添加代码如下：
<properties>
<!-- 声明scala的版本 -->
<scala.version>2.12.15</scala.version>
<!-- 声明linux集群搭建的spark版本，如果没有搭建则不用写 -->
<spark.version>3.2.1</spark.version>
<!-- 声明linux集群搭建的Hadoop版本 ，如果没有搭建则不用写-->
<hadoop.version>3.1.4</hadoop.version>
</properties>
<dependencies>
<!--scala-->
<dependency>
<groupId>org.scala-lang</groupId>
<artifactId>scala-library</artifactId>
<version>${scala.version}</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.12</artifactId>
<version>3.2.1</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.12</artifactId>
<version>3.2.1</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming -->
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming_2.12</artifactId>
<version>3.2.1</version>
<scope>provided</scope>
</dependency>
</dependencies>六、新建scala类文件编写代码
当你右键发现无法新建scala类，需要将scala SDK添加到当前项目中。
鼠标点击java文件夹，右键new--->Scala Class
在WordCount文件中编写如下代码：
import org.apache.spark.sql.SparkSession
object WordCount {
def main(args: Array[String]): Unit = {
val spark = SparkSession
.builder()
.master("local[*]")
.appName("word count")
.getOrCreate()
val sc = spark.sparkContext
val rdd = sc.textFile("data/input/words.txt")
val counts = rdd.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
counts.collect().foreach(println)
println("全部的单词数："+counts.count())
counts.saveAsTextFile("data/output/word-count")
}
}准备好测试文件words.txt,将文件存放在scalaproject-->data-->input-->words.txt
hello me you her hello me you hello me hello
运行WordCount程序
运行结果：
到此这篇关于在IDEA运行spark程序（搭建Spark开发环境）的文章就介绍到这了,更多相关IDEA运行spark程序内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！