eclipse构建maven+scala+spark工程 转载

转载地址：http://jingpin.jikexueyuan.com/article/47043.html

本文先叙述如何配置eclipse中maven+scala的开发环境，之后，叙述如何实现spark的本地运行。最后，成功运行scala编写的spark程序。

刚开始我的eclipse+maven环境是配置好的。

系统：win7

eclipse版本：Luna Release(4.4.0)

maven是从EclipseMarket中安装的，如图1。

当初构建eclipse+maven环境时，仅仅安装了第一个。

这里可以先不用急着安装maven，下面在安装maven for scala时，也提供了maven for eclipse。

图1-eclipse安装的m2e插件

一、配置eclipse + maven + scala环境

 

1. 在Eclipse Market中安装Scala IDE

图2-eclipse安装Scala IDE

2. 安装m2e-scala

如图3，图中的url是：http://alchim31.free.fr/m2e-scala/update-site/

从图3中搜索到的插件名称中可以看到，这里同时也配置了m2e，也即eclipse需要的maven插件。如果eclipse没有eclipse插件，则可以全部选中安装；若已经有了可以单独安装第三个Maven Integration for Scala IDE。

安装完成了MavenIntegration for Scala IDE之后，再输入上面的url，可安装列表里就没有Maven Integration for Scala IDE这一项了。

（PS：此处我是将MavenIntegration for Scala IDE卸载了之后重新截图的）

（PS：如果再看图1，除了第一个MavenIntegration for Eclipse(Luna and newer)1.5之外，还有一个MavenIntegration for Eclipse(Luna)1.5.0,。这是我在使用上述 url安装m2e-scala时，没有注意其中还包含了MavenIntegration for Eclipse，导致安装了两个版本的Maven Integration for Eclipse）

（PS：虽然我已经安装上述url中的MavenIntegration for Eclipse，并且并没有卸载，而图3中依然显示了Maven Integration for Eclipse的选项，是因为其版本有了更新。可以从其中看到其最新的版本是1.5.1，此时若继续安装该Maven Integration for Eclipse，则是对版本进行更新。）

(PS：图1中还有一个MavenIntegration for Eclipse WTP(Juno)1.0.1暂时不知道是怎么安装上去的)

图3-安装m2e-scala

二、测试eclipse+maven+scala的运行环境

 

1. 先来简单测试一下eclipse+scala

新建一个名为Scala Project，右键工程添加一个名为test的Scala Object，代码如下：

package test  object test {   def main(args : Array[String]) {     println("hello world")   } }

最终如图4、5所示。

图4-新建scalaproject

、

图5-scala工程目录

右键test.scala，Run as…-> Scala Application，在终端成功输出了hello world。

从图5中可以看到，我们安装的ScalaIDE中自带的scala版本是2.11.5的。

（PS：如果不在终端以命令行的形式使用scala的话，似乎可以不用单独下载scala包并设置环境变量）

2. 再来测试一下ecliipse+scala+maven

本来新建一个scala+maven的流程可以是这样的，如图6所示。

新建maven工程，不勾选Createa simple project，选择与scala有关的archetype。

eclipse的archetype是一种模板，给人的感觉就是其中的目录架构及相关文件（比如说pom.xml）都是按照某种模式（如scala maven）构造好的。如果选择如图6中的1.2版本的scala相关archetype，则新建的maven工程就有了scala maven工程的目录结构，pom.xml也是配置好的，并且还有几个scala的代码文件。

但是，有一些错误，编译无法通过。我想，这主要是因为scala的版本问题，从工程中的pom.xml中可以看到，这个模板是基于scala 2.7.0构建的。而我们安装的scala IDE是基于scala 2.11.5。

图6-新建scala maven工程

scala的新版本对老版本的兼容似乎并不好。这里可以自己修正pom.xml文件，不过估计代码可能也要修改。

我这里是从git上下载了一个现成的基于scala2.11.5的maven工程。

git网址：https://github.com/scala/scala-module-dependency-sample

使用git clone下来之后，在eclipse中导入maven工程（maven-sample）。

从其pom.xml中可以看到，是基于scala-2.11.5的。其中只有一个代码文件，即是XMLHelloWorld.scala。只要能够顺利的拉取到pom.xml中的依赖包，就可以直接右键XMLHelloWorld.scala， Run as -> Scala Application。

至此，ecipse+scala+maven就搭建好了。接下来配置spark的本地运行环境。

三、配置spark的本地运行

 

1. 配置所需依赖包

这里我是在maven-sample工程的基础上配置spark的。

在pom.xml中添加spark-core。

<dependency> 	<groupId>org.Apache.spark</groupId> 	<artifactId>spark-core_2.11</artifactId> 	<version>1.2.1</version> </dependency> 

在default package中添加scala object – SimpleApp。代码如下：

/* SimpleApp.scala */ import org.apache.spark.SparkContext import org.apache.spark.SparkContext._ import org.apache.spark.SparkConf  object SimpleApp {   def main(args: Array[String]) {     val logFile = "test.txt" // Should be some file on your system     val conf = new SparkConf().setAppName("Simple Application").setMaster("local[2]")     val sc = new SparkContext(conf)     val logData = sc.textFile(logFile, 2).cache()     val numAs = logData.filter(line => line.contains("a")).count()     val numBs = logData.filter(line => line.contains("b")).count()     println("Lines with a: %s, Lines with b: %s".format(numAs, numBs))   } } 

此时，编译已经通过了，但是如果Run as–> Scala Application的话，会有ClassDefNotFound的异常。

这是因为spark-core其实需要依赖很多其他的jar包来运行，但这些包在spark-core包中并没有，并且在我们的classpath中也没有。

我们可以方便的从在线maven库里找到spark-core包。

网址：http://search.maven.org/

图7-spark-core

我们点击后面的pom链接，可以看到spark-core的pom.xml文件，其中依赖的包很多。

将其中所有的dependency拷贝到我们的maven-sample工程的pom.xml中。重新build工程的时候，需要下载很多包，可能需要很长时间。

（PS：从spark-core的pom.xml文件中可以很直观看到的是，其中org.scala-lang.scala-library组件我们原本已经有了，不过版本稍有不同，可以删掉，也可不删。）

其实，也可自己根据ClassDefNotFound的提示一步步自己添加依赖包，不过，需要添加的可不少。

并且，因为spark-core依赖的众多包，又依赖了其他的包。所以，你可能在根据ClassDefNotFound异常添加依赖包的过程中，发现一些Class所依赖的包在spark-core的pom.xml文件中并未看到。这是因为它们存在于spark-core的依赖包的依赖包中。而且，spark-core的依赖包所依赖的包，还有些版本的冲突，手动添加的过程中，可能还会遇到MethodNotFound的错误。

最简单的方法就是将所有的依赖拷贝过来。

2. 测试运行

现在，我们先在工程目录下配置test.txt文件。

图8-添加test.txt文件

文件内容如下：

a b c ab abab d 

右键SimpleApp.scala，Run as -> Scala Application，发现打了很多日志。

我也只明白最后一行。

Lineswith a: 3, Lines with b: 3

是spark程序运行的正确输出。

但是可以看到日志中还是有一条异常。

图9-hadoop异常

这条异常似乎并不影响程序的正确运行，不过还是先考虑将该异常解决掉。

有关这个异常可以参考

http://www.srccodes.com/p/article/39/error-util-Shell-failed-locate-winutils-binary-hadoop-binary-path

这个网页的主体内容很简短，意思就是hadoop2.2.0的发布版本对windows的支持并不好。网页中提供了“Build, Install, Configure and Run Apache Hadoop 2.2.0 in MicrosoftWindows OS”的链接，也提供了现成的编译好的包。

我是直接将包下载下来，在工程目录下按照异常提示建立了null/bin目录，并将下载包中的所有文件拷贝进了null/bin目录。

图10-bin目录

接下来，再运行SimpleApp程序，就没有异常了。

但是，这种方法是否本质上解决了该异常就不知道了。因为我发现，即使手动随便建一个null/bin/winutils.exe文件，只要路径及文件名相同，也可以消除上述有关hadoop2.2.0的异常。