在IDEA运行spark程序（搭建Spark开发环境）-CSDN博客

       建议大家写在Linux上搭建好Hadoop的完全分布式集群环境和Spark集群环境以下在IDEA中搭建的环境仅仅是在window系统上进行spark程序的开发学习在window系统上可以不用安装hadoop和sparkspark程序可以通过pom.xml的文件配置添加spark-core依赖可以直接在IDEA中编写spark程序并运行结果。

一、相关软件的下载及环境配置

1.jdk的下载安装及环境变量配置我选择的版本是jdk8.0即jdk1.8建议不要使用太高版本的不然配置pom.xml容易报错

链接https://pan.baidu.com/s/1deXf6pgMiRca1O724fUOxg 
提取码sxuy

双击安装包一直“Next”即可最好不要安装到C盘中间修改一下安装路径即可最后点击“Finish”。我将jdk1.8安装在了D盘目录下的soft文件夹bin路径如下

配置环境变量

win+R打开命令窗口输入javac -verison 进行检测是否成功配置环境变量

2.IDEA的下载安装我选择的版本是2019.2.3建议选择低版本的IDEA

官网下载地址IntelliJ IDEA – 领先的 Java 和 Kotlin IDE (jetbrains.com.cn)

3.scala的下载我选择的版本是2.12.15安装及环境变量的配置

官网下载地址The Scala Programming Language (scala-lang.org)

双击打开下载好的安装程序一直“Next”即可最好不要安装到C盘中间修改一下安装路径即可最后点击“Finish”。我将scala软件安装在了D盘目录下的Develop文件夹bin路径如下

配置scala的系统环境变量将scala安装的bin目录路径加入到系统环境变量path中

win+R打开命令窗口输入scala -verison 进行检测是否成功配置环境变量

4.scala插件版本要与IDEA版本保持一致下载2019.2.3版本的下载安装

官网地址Scala - IntelliJ IDEs Plugin | Marketplace

下载完成后将下载的压缩包解压到IDEA安装目录下的plugins目录下

5.maven的下载我选择的版本是3.5.4与安装系统环境变量的配置

官网地址:Maven – Download Apache Maven

将对应版本的压缩包下载到本地,并新建一个文件夹Localwarehouse用来保存下载的依赖文件

配置maven的系统环境配置跟以上配置的方法一样将bin目录地址写入path环境变量

打开maven安装包下的conf文件夹下面的settings.xml,添加如下代码

<localRepository>D:\\Develop\\maven\\Localwarehouse</localRepository>

添加如下代码用来配置jdk版本

   <profile>
    <id>jdk-1.8.0</id>
    <activation>
    <activeByDefault>true</activeByDefault>
    <jdk>1.8.0</jdk>
    </activation>
    <properties>
    <maven.compiler.source>1.8.0</maven.compiler.source>
    <maven.compiler.target>1.8.0</maven.compiler.target>
    <maven.compiler.compilerVersion>1.8.0</maven.compiler.compilerVersion>
    </properties>
    </profile>

二、将maven加载到IDEA中

三、检测scala插件是否在IDEA中已经安装成功

四、用maven新建一个工程项目

五、配置pom.xml文件

1.如果只需要在本地运行spark程序则只需要添加scala-library、spark-core、spark-sql、spark-streaming等依赖添加代码如下

<properties>
        <!-- 声明scala的版本 -->
        <scala.version>2.12.15</scala.version>
        <!-- 声明linux集群搭建的spark版本如果没有搭建则不用写 -->
        <spark.version>3.2.1</spark.version>
        <!-- 声明linux集群搭建的Hadoop版本 如果没有搭建则不用写-->
        <hadoop.version>3.1.4</hadoop.version>
    </properties>
    <dependencies>
        <!--scala-->
        <dependency>
            <groupId>org.scala-lang</groupId>
            <artifactId>scala-library</artifactId>
            <version>${scala.version}</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-core -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-core_2.12</artifactId>
            <version>3.2.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-sql -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-sql_2.12</artifactId>
            <version>3.2.1</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/org.apache.spark/spark-streaming -->
        <dependency>
            <groupId>org.apache.spark</groupId>
            <artifactId>spark-streaming_2.12</artifactId>
            <version>3.2.1</version>
            <scope>provided</scope>
        </dependency>
    </dependencies>

六、新建scala类文件编写代码

当你右键发现无法新建scala类需要将scala SDK添加到当前项目中。

鼠标点击java文件夹右键new--->Scala Class

在WordCount文件中编写如下代码

import org.apache.spark.sql.SparkSession
object WordCount {
  def main(args: Array[String]): Unit = {
    val spark = SparkSession
      .builder()
      .master("local[*]")
      .appName("word count")
      .getOrCreate()
    val sc = spark.sparkContext
    val rdd = sc.textFile("data/input/words.txt")
    val counts = rdd.flatMap(_.split(" ")).map((_,1)).reduceByKey(_+_)
    counts.collect().foreach(println)
    println("全部的单词数"+counts.count())
    counts.saveAsTextFile("data/output/word-count")
  }
}

准备好测试文件words.txt,将文件存放在scalaproject-->data-->input-->words.txt

hello me you her
hello me you
hello me
hello

运行WordCount程序

运行结果