大数据学习（25）—— 用IDEA搭建Spark开发环境

IDEA是一个优秀的Java IDE工具，它同样支持其他语言。Spark是用Scala语言编写的，用Scala开发Spark是最舒畅的。当然，Spark也提供Java和Python的API。

Java是一门热度很高的开发语言，也是一个高龄语言。Java本身很牛逼，但它最牛逼的地方是——成就了JVM。

基于JVM的语言非常多，常用的除了Java还有Scala、Groovy、Kotlin、Clojure。能编译成字节码的语言，都能在JVM上运行。

Scala

Scala 是一门多范式（multi-paradigm）的编程语言，设计初衷是要集成面向对象编程和函数式编程的各种特性。

Scala 运行在 Java 虚拟机上，并兼容现有的 Java 程序。

Scala 源代码被编译成 Java 字节码，所以它可以运行于 JVM 之上，并可以调用现有的 Java 类库。

与JAVA的区别

我们学习的是大数据，重点不在于Scala用的有多么溜，够用就行。作为一个从Java上手的码农，我感觉Java是一个古板先生，语言和语法都规规矩矩，显得有点儿臃肿。Scala像一个翩翩少年，没那么多束缚，语法天马行空，用行话说就是“有很甜的语法糖”，一个API可以做很多事。用惯了Scala的数据集操作，简直就不想再用Java的那一套，什么都要自己写，太麻烦了。当然，想招聘一个精通Scala的人，这个难度比招一个精通Java的人要大得多，毕竟用的人少。

IDEA安装Scala插件

创建Scala Maven项目

建好项目把App、AppTest、MySpec三个类删掉。修改pom文件里scala的版本号。

  <properties>
    <scala.version>2.12.0</scala.version>
  </properties>

引入spark-core依赖。

<!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.12</artifactId>
    <version>3.1.2</version>
</dependency>

编写Scala代码

环境配好之后，可以写代码了。创建一个Scala的Object，它可以运行main方法。

package com.xy

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

object Test {
  def main(args: Array[String]): Unit = {
    val conf = new SparkConf().setAppName("Test").setMaster("local")
    val sc = new SparkContext(conf)
    sc.setLogLevel("ERROR")
    val rdd = sc.parallelize(Array(1,2,3,2,1,4,5,2))
    val kv = rdd.map(x=>(x,1)).reduceByKey(_+_)
    kv.foreach(println)

  }
}

从(1,2,3,2,1,4,5,2)这个数据集里计算每个数字出现的次数，运行结果如下。

(4,1)
(1,2)
(3,1)
(5,1)
(2,3)

Process finished with exit code 0