spark学习笔记【一】- 搭建spark开发环境【原创】

在去年写完[url="http://zhenggm.iteye.com/blog/2367614"]大数据学习笔记（七）-运行spark脚本【原创】[/url]之后，由于工作比较忙，且大数据在负责的项目中一时用不上，所以没有继续学习。
这一篇是新的开始，主要学习使用spark的进行开发。
spark的源码是scala写的，scala是与Java很像的一种语言，也是基于jvm运行的。spark提供了scala和java的开发包，因此可以使用java和scala来开发spark应用。
以下介绍开发环境搭建与demo的编写：
一）开发环境搭建
1）安装jdk1.8
2）到ScalaIDE官网下载集成好的eclipse
http://scala-ide.org/download/sdk.html
3) 解压下载好的包即可使用
至此，我们可以使用下载的eclipse集成环境开发java和scala版本的spark程序
二）java demo
1） 使用maven创建java工程，并添加依赖

       
  4.0.0
  cn.gov.zjport.demo
  demo-spark
  0.0.1-SNAPSHOT

  
    
      org.apache.spark
      spark-core_2.11
      2.2.0
    

     
      org.apache.spark
      spark-launcher_2.11
      2.2.0
    

     
      org.apache.spark
      spark-sql_2.11
      2.2.0
        
    

2）java代码

package cn.gov.zjport.demo.spark;

import java.util.Arrays;
import java.util.List;

import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function2;

public class SparkLocalCollection {
	public static void main(String[] args) {
		//初始化
		SparkConf conf=new SparkConf().setAppName("SparkLocalCollection").setMaster("local");
		JavaSparkContext sparkContext=new JavaSparkContext(conf);

		try{
			List list=Arrays.asList(1,2,3,4,5,6,7,8,9,10);
			//创建RDD
			JavaRDD rdd=sparkContext.parallelize(list);
			//执行reduce action操作
			int sum=rdd.reduce(new Function2(){
				private static final long serialVersionUID = 1L;

				public Integer call(Integer arg0, Integer arg1) throws Exception {
					return arg0+arg1;
				}

			});

			System.out.println("add result:"+sum);
		}finally{
			sparkContext.close();
		}
	}
}

3）运行 run as -> Java Application
[img]http://dl2.iteye.com/upload/attachment/0130/4121/93a8d50a-ade3-323e-b849-a6e732c0fad7.png[/img]

三）scala demo
1）新建一个maven工程，并添加依赖

    1.8
    1.8
    UTF-8
    2.11.11
    2.11
    4.2.0
  

  
    
      org.scala-lang
      scala-library
      ${scala.version}
    

    
      org.apache.spark
      spark-core_2.11
      2.3.0
    

     
      org.apache.spark
      spark-launcher_2.11
      2.3.0
    

     
      org.apache.spark
      spark-sql_2.11
      2.3.0
        
  

2）将工程改为scala工程
[img]http://dl2.iteye.com/upload/attachment/0130/4127/0bc6d9b7-ae25-399a-91b6-786736a93bd2.png[/img]

3）编写scala程序

package cn.gov.zjport.demo.spark

import org.apache.spark.SparkConf
import org.apache.spark.SparkContext

object SparkLocalCollection {
    def main(args:Array[String]){
      //初始化
      var array=Array(1,2,3,4,5,6,7,8,9,10);
      var conf=new SparkConf().setAppName("SparkLocalCollection").setMaster("local");
      var sc=new SparkContext(conf);
      try{
        //先并行化处理成RDD,然后执行reduce操作
        var count=sc.parallelize(array, 1).reduce(_+_);
        println("count is:"+count);
      }finally{
        sc.stop();
      }
    }
}

4）运行 Run As -> Scala Application
[img]http://dl2.iteye.com/upload/attachment/0130/4129/6f79aa72-623b-3036-b456-751d745dff35.png[/img]

5)初学者常见问题：
a)为什么我没有run as->scala application
可能是没有定义为object，而是定义成class， class是无法运行的。 同时必须有main方法
b)运行时提示找不到主类 SparkLocalCollection
需要按F5 或者使用maven编译一下