如何利用Eclipse构建Spark集成开发环境

如何利用Eclipse构建Spark集成开发环境，相信很多没有经验的人对此束手无策，为此本文总结了问题出现的原因和解决方法，通过这篇文章希望你能解决这个问题。使用Maven编译生成可直接运行在Hadoop 2.2.0上的Spark jar包，在此基础上，介绍如何利用Eclipse构建Spark集成开发环境。（1） 准备工作 在正式介绍之前，先要以下软硬件准备：软件准备：Eclipse Juno版本（4.2版本），可以直接点击这里下载：Eclipse 4.2Scala 2.9.3版本，Window安装程序可以直接点击这里下载：Scala 2.9.3Eclipse Scala IDE插件，可直接点击这里下载：Scala IDE(for Scala 2.9.x and Eclipse Juno)硬件准备装有Linux或者Windows操作系统的机器一台（2） 构建Spark集成开发环境 我是在windows操作系统下操作的，流程如下：步骤1：安装scala 2.9.3：直接点击安装即可。步骤2：将Eclipse Scala IDE插件中features和plugins两个目录下的所有文件拷贝到Eclipse解压后对应的目录中步骤3：重新启动Eclipse，点击eclipse右上角方框按钮，如下图所示，展开后，点击“Other….”，查看是否有“Scala”一项，有的话，直接点击打开，否则进行步骤4操作。步骤4：在Eclipse中，依次选择“Help” –> “Install New Software…”，在打开的卡里填入http://download.scala-ide.org/sdk/e38/scala29/stable/site，并按回车键，可看到以下内容，选择前两项进行安装即可。（由于步骤3已经将jar包拷贝到eclipse中，安装很快，只是疏通一下）安装完后，重复操作一遍步骤3便可。（3） 使用Scala语言开发Spark程序 在eclipse中，依次选择“File”–>“New”–> “Other…”–> “Scala Wizard” –>“Scala Project”，创建一个Scala工程，并命名为“SparkScala”。右击“SaprkScala”工程，选择“Properties”，在弹出的框中，按照下图所示，依次选择“Java Build Path” –>“Libraties” –>“Add External JARs…”，导入文章“Apache Spark：将Spark部署到Hadoop 2.2.0上”中给出的assembly/target/scala-2.9.3/目录下的spark-assembly-0.8.1-incubating- hadoop2.2.0.jar，这个jar包也可以自己编译spark生成，放在spark目录下的assembly/target/scala- 2.9.3/目录中。跟创建Scala工程类似，在免费云主机、域名工程中增加一个Scala Class，命名为：WordCount，整个工程结构如下：WordCount就是最经典的词频统计程序，它将统计输入目录中所有单词出现的总次数，Scala代码如下：在Scala工程中，右击“WordCount.scala”，选择“Export”，并在弹出框中选择“Java” –> “JAR File”，进而将该程序编译成jar包，可以起名为“spark-wordcount-in-scala.jar”，我导出的jar包下载地址是 spark-wordcount-in-scala.jar。该WordCount程序接收三个参数，分别是master位置，HDFS输入目录和HDFS输出目录，为此，可编写run_spark_wordcount.sh脚本：# 配置成YARN配置文件存放目录export YARN_CONF_DIR=/opt/hadoop/yarn-client/etc/hadoop/SPARK_JAR=./assembly/target/scala-2.9.3/spark-assembly-0.8.1-incubating-hadoop2.2.0.jar ./spark-class org.apache.spark.deploy.yarn.Client –jar spark-wordcount-in-scala.jar –class WordCount –args yarn-standalone –args hdfs://hadoop-test/tmp/input –args hdfs:/hadoop-test/tmp/output –num-workers 1 –master-memory 2g –worker-memory 2g –worker-cores 2需要注意以下几点：WordCount程序的输入参数通过“-args”指定，每个参数依次单独指定，第二个参数是HDFS上的输入目录，需要事先创建好，并上传几个文本文件，以便统计词频，第三个参数是HDFS上的输出目录，动态创建，运行前不能存在。直接运行run_spark_wordcount.sh脚本即可得到运算结果。在运行过程中，发现一个bug，org.apache.spark.deploy.yarn.Client有一个参数“–name”可以指定应用程序名称：但是使用过程中，该参数会阻塞应用程序，查看源代码发现原来是个bug，该Bug已提交到Spark jira上：因此，大家先不要使用“–name”这个参数，或者修复这个bug，重新编译Spark。（4） 使用Java语言开发Spark程序 方法跟普通的Java程序开发一样，只要将Spark开发程序包spark-assembly-0.8.1-incubating-hadoop2.2.0.jar作为三方依赖库即可。（5） 总结 初步试用Spark On YARN过程中，发现问题还是非常多，使用起来非常不方便，门槛还是很高，远不如Spark On Mesos成熟。看完上述内容，你们掌握如何利用Eclipse构建Spark集成开发环境的方法了吗？如果还想学到更多技能或想了解更多相关内容，欢迎关注云技术行业资讯频道，感谢各位的阅读！

相关推荐: 关于VSCode扩展有哪些

本篇内容介绍了“关于VSCode扩展有哪些”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！1. Color Highlight谁能记住所有十六进制代码?反正我是记…