windows环境下搭建spark开发环境(IDEA)

“大数据”（Big Data）指一般的软件工具难以捕捉、管理和分析的大容量数据。“大数据”之“大”，并不仅仅在于“容量之大”，更大的意义在于：通过对海量数据的交换、整合和分析，发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”。“大数据”能帮助企业找到一个个难题的答案，给企业带来前所未有的商业价值与机会。大数据同时也给企业的IT系统提出了巨大的挑战。通过不同行业的“大数据”应用状况，我们能够看到企业如何使用大数据和云计算技术，解决他们的难题，灵活、快速、高效地响应瞬息万变的市场需求。

前言

本文重点介绍在如何Windows 10下开发spark应用程序的依赖环境的搭建。

本章概要

1. 版本说明
2. 环境配置
   • jdk配置
   • scala安装配置
   • spark安装配置
   • hadoop安装配置
   • Intellij IDEA下载与配置

版本说明

1. jdk:1.8
2. scala:2.12.0
3. spark:2.4.3
4. hadoop:2.7.7

环境配置

jdk配置

1. 下载：登录Oracle官网，接受协议，注册登录，选择对应版本。因为我的本机是64位Windows，所以需要下载64位（Windows x64）JDK安装包。 
2. Windows下安装JDK非常方便，双击安装程序后，直接单击下一步即可，默认安装到C:\Program Files\Java目录下。其间会安装JRE，默认一下步即可。
3. 设置环境变量 :右键单击桌面上的“此电脑”图标，在弹出的右键快捷菜单中选择最后一个“属性”选项；在弹出的系统窗口中，单击左侧“高级系统设置”选项，弹出“系统属性”对话框，如下图。

然后单击中间的“高级”选项卡，再单击下方的“环境变量(N)…”按钮。在弹出的环境变量对话框中，首先单击下方的“新建（W）…”按钮，然后在弹出的新建环境变量中输入对应的值。

在环境变量中找到“Path”添加jdk和jre下bin的地址，如下图：

新建CLASS_PATH，如下图：

检验配置是否成功，在cmd中运行java -version出现以下结果则说明jdk安装配置成功。

scala安装配置

1. 下载：通过Spark官网下载页面 可知“Note: Starting version 2.0, Spark is built with Scala 2.11 by default.”，下载Spark2.4.3对应的 Scala 2.12.x。登录Scala官网，单击download按钮，然后再“Other Releases”标题下找到“Last 2.12.x maintenance release - Scala 2.12.0”链接。进入downloan页面，下拉找到如下图内容，下载msi格式的安装包即可。

1. 安装: 默认安装到C:\Program Files (x86)\scala目录下

1. 环境变量：与设置Java环境变量类型， SCALA_HOME=C:\Program Files (x86)\scala Path环境变量在最后追加;设置成功后在win+R输入cmd后打开命令行输入scala -version可以看到安装的版本%SCALA_HOME%\bin；

安装Maven

1. Maven的安装与配置可以参考：《Hadoop基础教程-第4章 HDFS的Java API（4.1 Maven入门）》Intellij IDEA上自带Maven，本文不再详细介绍Intellij IDEA下载与配置
2. 下载与安装：登录官网，按照自己的需求下载（ultimate，旗舰版）或者（Community，社区版）。Ultimate版本是商业软件，需要付费，Community 版为免费版，足够平时日常开发需要。比如这里直接下载Community

1. 启动，安装完成后，单击IntelliJ IDEA图标即可启动IntelliJ IDEA. 由于是第一次安装，所以不需要导入配置。默认选项即可。

1. 选择“Evaluate for free”进入免费版

可以根据自身的习惯选择风格，并点击左下角“Skip Remaining and Set Default”

1. 安装scala插件：点击左下角：Configure->Plugins 搜索并安装scala

安装完成后重启IDEA，然后开始配置全局scala SDK

1. 配置JDK： 首先打开Project Structure，如下图然后我们添加上文安装的JDK，配置完成后点击OK，如下图：

1. 配置JDK 配置全局scala SDK：选中“Global Libraries”，点击“+”号，在弹出的菜单中选中“Scala SDK”，如下图：

在弹出的“Select JAR's for the new Scala SDK”中选择与本机scala版本一致的Version，在这里由于我的scala版本是2.12.0 所以我选择的是2.12.0版本

点击右下角OK完成配置创建Maven项目

1. 单击“Create New Project”

选择maven

点击Next，填写GroupID和ArtifactID

点击Next，如下图：

点击Finish，如下图：(在此步骤可以更改Content root 和 Module file location 的路径)

创建完后右下角如果出现提示：

请点击Enable Auto-Import

1. 创建完后将scala框架添加到项目(若不设置有可能无法创建 scala class)：在IDEA启动后进入的界面中，可以看到界面左侧的项目界面，已经有一个名称为simpleSpark的工程。请在该工程名称上右键单击，在弹出的菜单中，选择Add Framework Surport，在左侧有一排可勾选项，找到scala，勾选即可（我的这里没有找到，但是也能运行，为了确保无误，借用haijiege的图）

1. 将项目文件设置为source root ，选中scala–>右键快捷菜单–>Mark Directory as –>Sources root

编辑代码

1. pom.xml Spark2.4.3 Maven库请参见 https://mvnrepository.com/artifact/org.apache.spark/spark-core_2.12/2.4.3

    <modelVersion>4.0.0</modelVersion>
    <groupId>Test.pack</groupId>
    <artifactId>SparkTest</artifactId>
    <version>1.0-SNAPSHOT</version>
    <packaging>jar</packaging>
    <inceptionYear>2008</inceptionYear>
    <properties>
        <spark.version>2.4.3</spark.version>
        <scala.version>2.12.0</scala.version>
    </properties>

    <repositories>
        <repository>
            <id>nexus-aliyun</id>
            <name>Nexus aliyun</name>
            <url>http://maven.aliyun.com/nexus/content/groups/public</url>
        </repository>
    </repositories>

    <pluginRepositories>
        <pluginRepository>
            <id>scala-tools.org</id>
            <name>Scala-Tools Maven2 Repository</name>
            <url>http://scala-tools.org/repo-releases</url>
        </pluginRepository>
    </pluginRepositories>

    <dependencies>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>2.4.3</version>
        </dependency>

        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.4</version>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>org.specs</groupId>
            <artifactId>specs</artifactId>
            <version>1.2.5</version>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <artifactId>maven-assembly-plugin</artifactId>
                <version>2.2-beta-5</version>
                <configuration>
                    <classifier>dist</classifier>
                    <appendAssemblyId>true</appendAssemblyId>
                    <descriptorRefs>
                        <descriptor>jar-with-dependencies</descriptor>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

1. 保存pom.xml文件后，如果Intellij IDEA右下角出现如下提示，请单击“Enable Auto-Import”

1. WordCount.scala :新建Scala Class类WordCount.scala，Scala源文件后缀名是.scala。通过右键刚刚设置为sources root的scala文件夹，就有了new->scala class的选项。新建一个scala class，并且命名WordCount，选择object类型。打开建好的WordCount.scala文件，清空！然后黏贴以下代码：

程序运行

文件

数据文件

sampleDataSet

程序文件

WordCount

运行

在源文件代码中右键单击–>Run “WordCount”

运行结果如下（输出的信息较多请上下翻一下就能找到）