构建Spark的Eclipse开发环境

前言

　　无论Windows 或Linux 操作系统，构建Spark 开发环境的思路一致，基于Eclipse 或Idea，通过Java、Scala 或Python 语言进行开发。安装之前需要提前准备好JDK、Scala 或Python 环境，然后在Eclipse 中下载安装Scala 或Python 插件(Spark支持Java、Python等语言)。基本步骤如下：

　　第一步：安装JDK

　　第二步：安装Scala

　　第三步： 配置Spark环境变量

　　第四步：安装Hadoop工具包

　　第五步：安装Eclipse

　　第六步：安装Eclipse Scala IDE插件

第一步：安装JDK　

　　（1）下载JDK(1.7以上版本)

　　　　  下载地址：http://www.oracle.com/technetwork/java/javase/downloads/index.html

　　（2）配置环境变量(以Windows为例)

新增JAVA_HOME 变量，值：C:\Program Files\Java\jdk1.7.0_71
             新增CLASSPATH 变量，值：.;%JAVA_HOME%\lib
             增加PATH 变量，补充：;%JAVA_HOME%\bin

进入cmd 界面测试JDK 是否安装成功：
             C:\Users\admin>java -version
             java version "1.7.0_71"
             Java(TM) SE Runtime Environment (build 1.7.0_71-b14)

第二步：安装Scala

　　（1）下载Scala(下载 Scala 包)

　　　　  下载地址(Scala 主页)：http://www.scala-lang.org/download/(Scala 2.9.3版本可以直接点击该地址下载：Scala 2.9.3 下载后直接点击安装即可)

　　（2）下载完成后解压，增加PATH 变量

　　　　  比如解压目录是C:\Program Files (x86)\scala，然后将“C:\Program Files (x86)\scala\bin;”加到环境变量path中

进入cmd 界面测试Scala 是否安装成功:
             C:\Users\admin>scala
             Welcome to Scala version 2.10.5 (Java HotSpot(TM) 64-Bit Server VM, Java 1.7.0_7
             Type :help for more information.

第三步： 配置Spark环境变量

　　（1）下载Spark

　　　　  下载地址：http://spark.apache.org/downloads.html

　　　　  下载相应Hadoop对应的版本，比如spark-1.6.2-bin-hadoop2.6.tgz，spark版本是1.6.2，对应的hadoop版本是2.6

　　（2）下载完成后解压，配置Spark的环境变量(以Windows为例)

新增SPARK_HOME 变量，值：C:\Apache Spark\spark-1.6.2-bin-hadoop2.6
             新增SPARK_CLASSPATH 变量，值：;C:\Apache Spark\spark-1.6.2-bin-hadoop2.6\lib\spark-assembly-1.6.2-hadoop2.6.0.jar;
             增加PATH变量，补充：;C:\Apache Spark\spark-1.6.2-bin-hadoop2.6\bin

第四步：安装Hadoop工具包

　　Spark是基于Hadoop之上的，运行过程中会调用相关Hadoop库，如果没配置相关Hadoop运行环境，会提示相关出错信息，虽然也不影响运行。Windows下开发Spark不需要在本地安装Hadoop，但是需要winutils.exe、hadoop.dll等文件。

　　（1）下载Windows下Hadoop工具包（分为32位和64位的），比如hadoop-2.6.0.tar.gz

　　　　  下载地址：https://github.com/sdravida/hadoop2.6_Win_x64/tree/master/bin
             　　　　　https://www.barik.net/archive/2015/01/19/172716/

　　（2）下载完成后解压，配置Hadoop的环境变量(以Windows为例)

　　　　  在本地新建一个hadoop目录，其中必须包含有bin目录，例如“D:\spark\hadoop-2.6.0\bin”，然后将winutil等文件放在bin目录下

　　　　  将相关库添加到系统Path变量中：D:\hadoop-2.6.0\bin；同时新建HADOOP_HOME变量，变量值为：D:\hadoop-2.6.0

第五步：安装Eclipse

　　在官网下载Eclipse，解压缩到本地后直接使用即可。

第六步：安装Eclipse Scala IDE插件

　　（1）下载Eclipse Scala IDE插件

　　　　  下载地址：Scala IDE(for Scala 2.9.x and Eclipse Juno)

　　　　  　　　　　http://www.scala-lang.org/download/2.7.6.final.html

　　（2）安装Scala 插件

　　　　  1.将Eclipse Scala IDE插件中features和plugins两个目录下的所有文件拷贝到Eclipse解压后所对应的目录中。

　　　　  2.重新启动Eclipse，点击Eclipse右上角方框按钮，如下图所示，展开后点击“Other….”，查看是否有“Scala”一项，若有则可直接点击打开，否则进行下一步操作。

　　　　  3.在Eclipse中，依次选择“Help” –> “Install New Software…”，在弹出的对话框里填入http://download.scala-ide.org/sdk/e38/scala29/stable/site，并按回车键，可看到以下内容，选择Scala IDE for Eclipse 和Scala IDE for Eclipse development support 即可完成Scala 插件在Eclipse上的安装(由于上一步已经将jar包拷贝到Eclipse中，安装很快，只是疏通一下)。

　　　　  安装完后，再操作一遍步骤2便可。

使用Java语言进行Spark程序开发

1.新建java工程

2.将Spark开发程序包“spark-assembly-1.6.2-hadoop2.6.0.jar”添加到工程中，作为三方依赖库

使用Java语言进行Spark Standalone模式应用程序开发

1. 创建Maven Project，依次选择File->New->Other->Maven Project

2. 编写Java源程序

/* SimpleApp.java */
import org.apache.spark.api.java.*;
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.function.Function;

public class SimpleApp {
    public static void main(String[] args) {
        String logFile = "file:///spark-bin-0.9.1/README.md";
        SparkConf conf =new SparkConf().setAppName("Spark Application in Java");
        JavaSparkContext sc = new JavaSparkContext(conf);
        JavaRDD<String> logData = sc.textFile(logFile).cache();

        long numAs = logData.filter(new Function<String, Boolean>() {
            public Boolean call(String s) { return s.contains("a"); }
        }).count();

        long numBs = logData.filter(new Function<String, Boolean>() {
            public Boolean call(String s) { return s.contains("b"); }
        }).count();

        System.out.println("Lines with a: " + numAs +",lines with b: " + numBs);
    }
}

3. 修改pom.xml添加依赖包

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
  <modelVersion>4.0.0</modelVersion>

  <groupId>cn.cas.siat.dolphin</groupId>
  <artifactId>spark.SimpleApp</artifactId>
  <version>0.0.1-SNAPSHOT</version>
  <packaging>jar</packaging>

  <name>spark.SimpleApp</name>
  <url>http://maven.apache.org</url>

  <properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
  </properties> 

  <dependencies>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>3.8.1</version>
      <scope>test</scope>
    </dependency>
        <dependency>
      <groupId>org.apache.spark</groupId>
      <artifactId>spark-core_2.10</artifactId>
      <version>1.0.2</version>
    </dependency>
  </dependencies>
</project>

4. 编译打包

分别执行Maven clean、Maven install，这样在工程项目下的target目录中会生成项目的jar包，如下图：

5. 运行Spark应用

上传编译好的jar包至spark集群client，执行以下命令运行程序

./spark-submit --class "foo.App" --master spark://172.21.5.235:7077 /home/hadoop121/Dolphin/Spark1.0.2/spark.SimpleApp-0.0.1-SNAPSHOT.jar 

 6.执行结果

　Web UI结果如下：

搭建spark maven项目程序

第一步：创建自己的spark maven项目，勾选create a simple project

第二步：如图，其中Packaging即maven生成的包，这里要选择jar，因为spark程序一般是打包为jar包的

第三步：添加spark的jar包到刚才新建的maven项目的build path中，找到集群安装的spark安装目录，在lib目录下会看到jar包

第四步：pom中添加自己的spark、hadoop maven依赖，例如：

第五部：spark程序的入口是main函数，至此可以编写程序代码并运行和调试