我要评论建议大家写在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spark，spark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
https://plugins.jetbrains.com/plugin/1347-scala/versions/stable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>
在settings.xml配置文件中找到mirrors节点，添加阿里云仓库代码，具体代码如下配置（注意要添加在<mirrors>和</mirrors>两个标签之间）：
<!-- 阿里云仓库 -->
<mirror>
<id>alimaven</id>
<mirrorof>central</mirrorof>
<name>aliyun maven</name>
<url>http://maven.aliyun.com/nexus/content/repositories/central/</url>
</mirror>
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：
七、其他注意事项
如果运行spark程序，控制台有输出 “could not locate executable null\bin\winutils.exe in the hadoop binaries”错误提示，解决方案请参考以下文章：
winuntils.exe下载地址：
如果运行你的spark程序，在控制台上打印出很多info信息，解决方案请参考以下文章：
发表评论