前言
接下来下定决心好好学习Spark了。。。ps:关于Spark安装和使用以及Spark分布式集群环境搭建,请见参考内容1-4,这里就不作阐述了。
步骤
首先安装Scala插件,File->Settings->Plugins,搜索出Scla插件,点击Install安装;
File->New Project->maven,新建一个Maven项目,填写GroupId和ArtifactId;
编辑pom.xml文件,添加项目所需要的依赖:前面几行是系统自动生成的,我们只需要从<version>1.0-SNAPSHOT</version>
之后开始添加就行。关于spark.version和scala.version需要在服务器通过启动spark-shell查询。
<?xml version="1.0" encoding="UTF-8"?><project xmlns="/POM/4.0.0"xmlns:xsi="/2001/XMLSchema-instance"xsi:schemaLocation="/POM/4.0.0 /xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>test</groupId><artifactId>SparkPi</artifactId><version>1.0-SNAPSHOT</version><properties><spark.version>2.4.4</spark.version><scala.version>2.11</scala.version></properties><repositories><repository><id>nexus-aliyun</id><name>Nexus aliyun</name><url>/nexus/content/groups/public</url></repository></repositories><dependencies><dependency><groupId>org.apache.spark</groupId><artifactId>spark-core_${scala.version}</artifactId><version>${spark.version}</version></dependency><dependency><groupId>org.apache.spark</groupId><artifactId>spark-streaming_${scala.version}</artifactId><version>${spark.version}</version></dependency><dependency><groupId>org.apache.spark</groupId><artifactId>spark-sql_${scala.version}</artifactId><version>${spark.version}</version></dependency><dependency><groupId>org.apache.spark</groupId><artifactId>spark-hive_${scala.version}</artifactId><version>${spark.version}</version></dependency><dependency><groupId>org.apache.spark</groupId><artifactId>spark-mllib_${scala.version}</artifactId><version>${spark.version}</version></dependency></dependencies><build><plugins><plugin><groupId>org.scala-tools</groupId><artifactId>maven-scala-plugin</artifactId><version>2.15.2</version><executions><execution><goals><goal>compile</goal><goal>testCompile</goal></goals></execution></executions></plugin><plugin><artifactId>maven-compiler-plugin</artifactId><version>3.6.0</version><configuration><source>1.8</source><target>1.8</target></configuration></plugin><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-surefire-plugin</artifactId><version>2.19</version><configuration><skip>true</skip></configuration></plugin></plugins></build></project>
File->Project Structure->Libraries,选择和Spark运行环境一致的Scala版本
File->Project Structure->Modules,在src/main/下面增加一个scala文件夹,并且设置成source文件夹
在scala文件夹下面新建一个scala文件SparkPi
SparkPi文件的代码如下:其中,setMaster用来指定spark集群master的位置;setJars用来指定程序jar包的位置,此位置在下面1步中添加程序jar包的output directory可以看到。
import scala.math.randomimport org.apache.spark._object SparkPi {def main(args: Array[String]) {val conf = new SparkConf().setAppName("Spark Pi").setMaster("spark://222.201.187.178:7077").setJars(Seq("E:\\IdeaProjects\\SparkPi\\out\\artifacts\\SparkPi_jar\\SparkPi.jar"))val spark = new SparkContext(conf)val slices = if (args.length > 0) args(0).toInt else 2println("Time:" + spark.startTime)val n = math.min(1000L * slices, Int.MaxValue).toInt // avoid overflowval count = spark.parallelize(1 until n, slices).map { i =>val x = random * 2 - 1val y = random * 2 - 1if (x*x + y*y < 1) 1 else 0}.reduce(_ + _)println("Pi is roughly " + 4.0 * count / n)spark.stop()}}
File->Project Structure->Artifacts,新建一个Jar->From modules with dependencies…,选择Main Class,之后在Output Layput中删掉不必要的jar
这里的output directory即为前面SparkPi.scala代码里setJars用来指定程序jar包的位置
注意这里如果没有删除没用的jar包,后面执行会报错java.lang.ClassNotFoundException: SparkPi$$anonfun$1
在服务器集群配置文件/usr/local/spark/conf/spark-env.sh中加入以下代码:
export SPARK_SUBMIT_OPTS="-agentlib:jdwp=transport=dt_socket,server=y,suspend=y,address=5005"
address:JVM在5005端口上监听请求,这个设定为一个不冲突的端口即可。 server:y表示启动的JVM是被调试者,n表示启动的JVM是调试器。suspend:y表示启动的JVM会暂停等待,直到调试器连接上才继续执行,n则JVM不会暂停等待。
在服务器Master节点主机上启动hadoop集群,然后再启动spark集群,最后运行jps命令检查进程。
cd /usr/local/hadoop/sbin/start-all.sh # 启动hadoop集群cd /usr/local/spark/sbin/start-master.sh # 启动Master节点sbin/start-slaves.sh # 启动所有Slave节点jps
在IDEA上添加远程配置,根据spark集群中spark-env.sh的SPARK_SUBMIT_OPTS的变量,对远程执行进行配置,保持端口号一致
配置完成,右键run执行scala程序。初次运行报错如下,选择右下角弹窗中的enable auto import,然后再重新执行一次。
完美!!!
结束记得关闭spark集群哦
sbin/stop-master.sh # 关闭Master节点sbin/stop-slaves.sh # 关闭Worker节点cd /usr/local/hadoop/sbin/stop-all.sh # 关闭Hadoop集群
参考内容
Hadoop安装教程_单机/伪分布式配置_Hadoop2.6.0/Ubuntu14.04_厦大数据库实验室博客http://dblab./blog/install-hadoop/Hadoop集群安装配置教程_Hadoop2.6.0_Ubuntu/CentOS_厦大数据库实验室博客
http://dblab./blog/install-hadoop-cluster/Spark安装和使用_厦大数据库实验室博客
http://dblab./blog/931-2/Spark 2.0分布式集群环境搭建_厦大数据库实验室博客
http://dblab./blog/1187-2/利用idea对spark程序进行远程提交和调试 - yiluohan0307的专栏 - CSDN博客
/yiluohan0307/article/details/80048765使用Intellij IDEA开发并提交Spark应用到远程Spark集群 - Camu7s的专栏 - CSDN博客
/Camu7s/article/details/45530295Intellij IDEA连接Spark集群 - MSTK - 博客园
/mstk/p/6875068.html?utm_source=itdadao&utm_medium=referraljava.lang.ClassNotFoundException: SparkPi$$anonfun$1 - weixin_34019144的博客 - CSDN博客
/weixin_34019144/article/details/86440499
如果觉得《IDEA连接Spark集群执行Scala程序》对你有帮助,请点赞、收藏,并留下你的观点哦!