没用过IDEA工具,听说跟Eclipse差不多,sbt在Idea其实就等于maven在Eclipse。Spark运行在JVM中,所以要在Idea下运行spark,就先要安装JDK 1.8+ 然后加入Scala和Spark的依赖包就可以进行开发了,不要安装低版本的JDK。

先下载Idea的社区版

https://www.jetbrains.com/idea/download/download-thanks.html?platform=windows&code=IIC

Scala、Spark环境


安装完后下载Scala插件

新建sbt工程

这里需要注意,如果选择Spark2.0以上,那么Scala要选2.11以上。因为我用的是Spark2.0.2,所以就选择2.11.1,选择JDK版本后确认。

工程创建成功后的目录

编辑build.sbt文件,添加Spark依赖

name := "Scala"

version := "1.0"

scalaVersion := "2.11.1"

libraryDependencies += "org.apache.spark" % "spark-core_2.11" % "2.0.2"

保存,等待下载完依赖的包。

PS: Scala版本对应的Spark可在官网查询

Helloworld


在project下 src/scala包下创建一个scala.class

helloworld.scala

import org.apache.spark.{SparkConf, SparkContext}

/**<br/>
  * Created by Jan on 2016/12/19.<br/>
  */<br/>
object Helloworld {

    def main(args: Array[String]) {<br/>
      val logFile = "./README.md"  // Should be some file on your server.<br/>
      val conf = new SparkConf().setAppName("Simple Application").setMaster("local")<br/>
      val sc = new SparkContext(conf)<br/>
      val logData = sc.textFile(logFile, 2).cache()<br/>
      val numAs = logData.filter(line => line.contains("h")).count()<br/>
      val numBs = logData.filter(line => line.contains("j")).count()<br/>
      println("Lines with h: %s, Lines with j: %s".format(numAs, numBs))<br/>
    }

}

上面代码目的是:在本地读取一个叫README.md的文件,通过Spark内存分析,计算字母“h”和字母“j”在文件中出现多少次。

运行代码

可能出现的错误:

java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.

原因是缺少了winutils.exe文件,这个而且没有设置HADOOP_HOME

解决办法

1. 下载hadoop到本机并添加bin目录到环境变量

http://hadoop.apache.org/releases.html

2. 网上搜下winutils.exe文件,下载后放到hadoop的bin目录下