Spark+ECLIPSE+JAVA+MAVEN windows开发环境搭建及入门实例【附详细代码】

前言

本文旨在记录初学Spark时，根据官网快速入门中的一段Java代码，在Maven上建立应用程序并实现执行。

首先推荐一个很好的入门文档库，就是CSDN的Spark知识库，里面有很多spark的从入门到精通的形形色色的资料，
1.开发软件恭喜你，拿到spark驾考名额了，可以开始参加驾校培训了~http://lib.csdn.net/base/spark
    
   大概理解下：spark主要分为  1.核心  2.实时streaming 3.对sql支持sparksql 4.机器学习mllib  还有别的暂时不考虑

    本文只引入sparkcore核心部门案例入门，其他的同学们自己去探索吧~ 

环境准备：   window电脑一台是不可少的，不然怎么玩

 其他需要安装的软件：     版本可以自己选择 ，以下是我的选择 
    1)  JDK          版本：1.7
       2)  Maven     版本：3.2.3     :         http://maven.apache.org/             
       3)  Spark       版本：spark-1.1.0    http://spark.apache.org/
       4》eclipse   
 
      注意安装的软件的位数和操作系统的位数。

  1.JDK安装 

     具体安装步骤过于简单 略~

   

  2.MAVEN安装 

     下载解压，具体安装步骤过于简单 略~

 3.spark 安装 

     下载解压，具体安装步骤过于简单 略~

 4.eclipse 安装 

   
   下载解压，具体安装步骤不是很简单，不能略，因为要安装maven

    那就下载有maven的eclipse版本即可，推荐luna的eclipse 自带maven的

  
下载winutil 放到spark 的bin目录下 

   配置环境变量

     需要配置 JAVA_HOME   HADOOP_HOME（配置为spark_Home，为winutil使用)  SPARK_HOME MAVEN_HOME   并在path中加入以上三个bin

     cmd中分别测试 mvn -v   java -version  spark-shell 安装是否成功    
   

工程构建

建立一个统计  文件中出现某个字符的行数。

建立Maven工程
修改pom.xml为：

  <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd"> <modelVersion>4.0.0</modelVersion>
<groupId>com.dt.spark</groupId>
<artifactId>SparkApps</artifactId>
<version>0.0.1-SNAPSHOT</version>
<packaging>jar</packaging>
<name>SparkApps</name>
<url>http://maven.apache.org</url>
<properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
</properties>
<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>3.8.1</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-core_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-sql_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-hive_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-streaming-kafka_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>
<groupId>org.apache.spark</groupId>
<artifactId>spark-graphx_2.10</artifactId>
<version>1.6.0</version>
</dependency>
<dependency>

    <groupId>org.apache.maven.plugins</groupId>

    <artifactId>maven-assembly-plugin</artifactId>

    <version>2.2-beta-5</version>

</dependency>

<dependency>

     <groupId>commons-lang</groupId>

     <artifactId>commons-lang</artifactId>

     <version>2.3</version>

    </dependency>
</dependencies>
<build>
<sourceDirectory>src/main/java</sourceDirectory>
<testSourceDirectory>src/test/java</testSourceDirectory>
<plugins>
<plugin>
<artifactId>maven-assembly-plugin</artifactId>
<configuration>
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
<archive>
<manifest>
<maniClass></maniClass>
</manifest>
</archive>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<phase>package</phase>
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
<plugin>
<groupId>org.codehaus.mojo</groupId>
<artifactId>exec-maven-plugin</artifactId>
<version>1.3.1</version>
<executions>
<execution>
<goals>
<goal>exec</goal>
</goals>
</execution>
</executions>
<configuration>
<executable>java</executable>
<includeProjectDependencies>false</includeProjectDependencies>
<classpathScope>compile</classpathScope>
<mainClass>com.dt.spark.SparkApps.App</mainClass>
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>

<configuration>
<source>1.6</source>
<target>1.6</target>
</configuration>
</plugin>
</plugins>
</build>

</project>

修改完成后，需要下载比较多东西来构建工作空间， 此过程后可以先去吃个饭，跑两圈再回来~

编写代码

public static void main( String[] args )
    {
        String readme="D:\\spark\\CHANGES.txt";
        SparkConf conf=new SparkConf().setAppName("tiger's first spark app");
        JavaSparkContext sc =new JavaSparkContext(conf);
        JavaRDD<String> logData=sc.textFile(readme).cache();
        long num=logData.filter(new Function<String,Boolean>(){
        	public Boolean call(String s){
        		return s.contains("a");
        	}
       
        }).count();
       
        System.out.println("the count of word a is "+num);
        
    }

运行程序

编译应用程序

    进入workplace项目，运行mvn compile，编译代码
              

打包程序

     运行mvn package,系统将自动将应用程序代码打包成jar。运行成功后，在项目文件夹下的target文件夹下，将生成名为SimApp-1.0-SNAPSHOT.jar。

运行程序

使用spark-submit在本地运行应用  在elipse 下面参数总是出现错误，还在探索中。。
       在cmd中输入 spark文件包bin下spark-submit文件所在的路径， 类名(加上包名)，jar包所在的路径
       D:\Spark_Tools\apache-maven-3.2.3\Maven_Project\SimApp>d:\Spark_Tools\spark-1.1.0-bin-hadoop1\bin\spark-submit
--class "aa" --master local[4]  bb
   aa 是程序的主程序路径  com..xxxxxx.xxxx  bb 是你打包的jar 路径  在target下 ，由pom.xml配置得到的。
      在输出信息的最后一行，将看到程序的运行结果：
      the count of word a is 20132

恭喜你，拿到spark驾照。。可以开车了...  上路需小心，多练习吧~

 有问题可以留言，欢迎探讨，我会积极回复！~